Характеристики

Лицензия: Apache 2.0
Базовая модель: Qwen3.5-9B-Base
Опубликована: 13 авг 2026

Ссылки

qwen35-9b-tajik-tool-grpo

Генерация текстаТекст → текст

Дообученная Qwen3.5-9B для диалоговой генерации на таджикском и английском языках и вызова инструментов в формате XML Qwen.

0скачиваний за 30 дней0лайковвеса обновлены13 авг 2026

Бенчмарки

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

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

Tohirju/Qwen35-9b-tajik-tool-grpo — дообученная модель Saidzoda Lab на базе unsloth/Qwen3.5-9B-Base. Она предназначена для диалоговой генерации текста на таджикском и английском языках с вызовом инструментов в формате XML Qwen. Модель обучалась в два этапа: SFT и уточнение методом GRPO; использованы LoRA r32, около 132 тысяч диалогов с вызовом инструментов и около 44 тысяч таджикских инструкций.

В карточке приведены результаты оценки вызова инструментов на 100 примерах для каждого языка: средняя награда 0,631 для таджикского и 0,819 для английского; точность полного вызова ниже точности имени функции. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступ к репозиторию ограничен ручным допуском.

Сценарии применения

вызов функций из диалога на таджикском языке
вызов инструментов из диалога на английском языке
создание диалогового ассистента с маршрутизацией к инструментам

Ограничения

В оценке точность полного вызова инструмента составила 0,43 для таджикского и 0,60 для английского на выборке из 100 примеров на язык; карточка указывает на ручной допуск к модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-9B Tajik/EN Tool-Calling (SFT + GRPO)

GRPO-refined tool-caller (reward = XML tool-call scorer) on top of the SFT model. Emits Qwen XML** tool calls (<tool_call><function=name><parameter=k>v</parameter></function></tool_call>).

Data: ~132k tool-call convs (tg+en, BFCL-derived) + ~44k Tajik instruct replay (preserves reasoning). 1 epoch, LoRA r32.
Tool-calling accuracy (n=100/lang): TG mean-reward 0.631 (fn-name 0.71, full-call 0.43) · EN 0.819 (fn-name 0.90, full-call 0.60). Overall 0.725 (vs SFT 0.652; GRPO reward 0.43->0.69).

Gated (manual). Saidzoda Lab.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 50cfa63