/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
11 июн 2026

ABForge-Qwen3-8B-Task2-RL

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen3 для генерации планов абляционных экспериментов на основе контекста научной статьи и цели исследования.

27скачиваний за 30 дней0лайковвеса обновлены14 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ABForge-Qwen3-8B-Task2-RL — дообученная модель семейства Qwen3, разработанная SlowGuess в рамках посттренировочного конвейера ABForge. Она принимает контекст научной статьи и цель исследования, а затем генерирует подробный план абляционного эксперимента: формулирует задачу, описывает постановку, варианты эксперимента, фиксированные протоколы и метрики. Модель обучена методом GRPO с наградой по фиксированной рубрике, без предварительного supervised warm-start; данные основаны на научных статьях с лицензиями Creative Commons.

Это плотная авторегрессионная модель на 7,6 млрд параметров с контекстом до 40 960 токенов. Карточка указывает английский язык, формат весов safetensors и лицензию Apache-2.0. Модель предназначена для исследовательского планирования и оценки абляций; качество планов зависит от полноты и точности предоставленного контекста статьи, а карточка описывает оценку на AblationBench, но не приводит результаты.

Сценарии применения

  • составление плана абляционного эксперимента по научной статье
  • подбор контролируемых вариантов абляции для исследовательской гипотезы
  • определение протокола эксперимента и фиксируемых условий
  • предложение метрик для оценки абляционных экспериментов

Ограничения

Модель специализирована на планировании абляций, поэтому её ответы могут быть менее уместны для общих задач. Качество плана зависит от полноты и точности контекста статьи и цели, а в карточке не приведены численные результаты оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ABForge-Qwen3-8B-Task2-RL

An ABForge model for Task 2: Ablation Plan Generation.

ABForge is a post-training pipeline for paper-grounded ablation design. This checkpoint is trained with GRPO directly from Qwen/Qwen3-8B (no supervised warm-start), optimizing a fixed rubric-based reward (GRPO).

Task

Given a paper's context and a goal, the model produces a detailed, controlled ablation experiment design plan (objective, setup, variants, fixed protocols and metrics).

Training data

GRPO on train/RL_task2_30K.jsonl, from SlowGuess/abforge-data (derived from CC-licensed research papers). Evaluation uses the held-out AblationBench split (eval/ablationbench_200.jsonl) of the same dataset.

Related models (Task 2)

Evaluation

Reproduce AblationBench evaluation with the SlowGuess/Abforge_1 code:

git clone https://github.com/SlowGuess/Abforge_1 && cd Abforge_1
huggingface-cli download SlowGuess/abforge-data --repo-type dataset --local-dir data

export MODEL_PATH=SlowGuess/ABForge-Qwen3-8B-Task2-RL

# 1. Generate predictions on AblationBench (writes scorer-ready JSONL)
python run_inference_local.py --task 2 \
  --input data/eval/ablationbench_200.jsonl \
  --output preds.jsonl \
  --model-path "$MODEL_PATH" --dtype bf16 --device-map auto \
  --max-new-tokens 4096 --temperature 0.0 --stop-on '</Proposed_Plan>'

# 2. Score against the fixed 10-item AblationBench rubric
export JUDGE_API_BASE=... JUDGE_API_KEY=... JUDGE_MODEL=...
scripts/evaluate_task2.sh preds.jsonl

Links

Citation

@misc{abforge,
  title  = {ABForge: A Post-Training Pipeline for Paper-Grounded Ablation Design},
  author = {ABForge authors},
  year   = {2026},
  howpublished = {\url{https://github.com/SlowGuess/Abforge_1}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
50cc024

0 моделей