/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
qwen3-8b-feedback-with-repair
Библиотека
transformers
Опубликована
18 сен 2026

Ссылки

Hugging Face

qwen3-8b-feedback-with-repair-distilled

VladShash
Генерация текстаТекст → текст4 профессии

Дообученная разговорная модель Qwen3 с 7,6 млрд параметров для генерации текста и диалоговых ответов.

1 291скачиваний за 30 дней0лайковвеса обновлены18 сен 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.

Открыть конструктор бенчмарка

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

VladShash/qwen3-8b-feedback-with-repair-distilled — дообученная разговорная модель семейства Qwen3, разработанная на основе formalmathatepfl/qwen3-8b-feedback-with-repair. В карточке указано обучение на наборе lean_selfdistill_r1_train; дополнительных сведений о разработчике и методике обучения нет.

Модель предназначена для генерации текста в диалоговом формате. Она содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Длина контекста составляет 32 768 токенов. Данные не уточняют поддерживаемые естественные языки или специальные прикладные области.

Модель распространяется в формате safetensors через Transformers. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • генерация ответов в диалоге
  • создание продолжений текста
  • построение чат-бота на базе Qwen3

Ограничения

Карточка не содержит описания оценки качества и подробных ограничений. Лицензия указана как other, поэтому условия использования необходимо уточнить в репозитории.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen3-8b-sft-feedback-with-repair-selfdistill-r1

This model is a fine-tuned version of formalmathatepfl/qwen3-8b-feedback-with-repair on the lean_selfdistill_r1_train dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-06
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 8
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.03
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
15c3eb9

0 моделей

    Создать бенчмарк