/ 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
2 сен 2026

Qwen3-8B-MaKTO-Public-SFT

Генерация текстаТекст → текст3 профессии

Дообученная на китайских игровых данных Qwen3-8B для текстовых сценариев «Мафии» и Werewolf.

104скачиваний за 30 дней0лайковвеса обновлены2 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.

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

XDQAQ/Qwen3-8B-MaKTO-Public-SFT — плотная языковая модель на 7,6 млрд параметров, созданная как полнопараметрическое supervised fine-tuning (SFT) модели Qwen/Qwen3-8B. Это независимое воспроизведение на открытых данных, вдохновлённое работой MaKTO; полный рецепт обучения из статьи не воспроизводился, а этап Multi-agent KTO не проводился.

Модель обучена на 12 886 примерах из китайской части набора ReneeYe/werewolf_game_reasoning: игровых сценариях, продвинутых техниках и базовых терминах. Она предназначена для генерации текста в языковых играх и взаимодействиях в стиле «Мафии»/Werewolf, включая рассуждения и игровые реплики. Контекст — до 40 960 токенов; модель работает с текстом и поддерживает диалоговый режим.

Модель не оценивалась как универсальный помощник: ответы могут быть ошибочными, непоследовательными и стратегически обманчивыми в соответствии с игровой специализацией. Для работы через Transformers требуется версия 4.51.0 или новее. Лицензия — Apache-2.0.

Сценарии применения

  • генерация реплик игрока в текстовой «Мафии»
  • рассуждения и выбор стратегии в Werewolf
  • симуляция игровых ролей и поведения
  • ответы на вопросы о терминах и техниках игры Werewolf

Ограничения

Модель специализирована на языковых играх и сценариях Werewolf, не оценивалась как универсальный помощник; её ответы могут быть ошибочными, непоследовательными или стратегически обманчивыми. Для запуска через Transformers требуется версия 4.51.0 или новее.

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

Qwen3-8B MaKTO Public-Data SFT

This is a full-parameter supervised fine-tuning (SFT) checkpoint of Qwen/Qwen3-8B, trained on the public Chinese portion of ReneeYe/werewolf_game_reasoning.

The model is an independent public-data reproduction inspired by the MaKTO paper. It is not a reproduction of the complete paper training recipe: the approximately 12K general-purpose SFT examples described by the paper are not public and were not used, and the Multi-agent KTO stage has not yet been performed.

Training data

The converted training corpus contains 12,886 examples:

  • 12,134 game-behavior examples
  • 372 advanced-technique examples
  • 380 fundamental-term examples

The source dataset revision used for conversion was 7d7d516f780879dbe9f512ef29655f51548f7578.

Training procedure

  • Full-parameter BF16 SFT
  • 4 GPUs with DeepSpeed ZeRO-3
  • 3 epochs
  • Learning rate: 1e-6
  • Scheduler: cosine
  • Warmup ratio: 0.05
  • Per-device batch size: 1
  • Gradient accumulation: 4
  • Effective global batch size: 16
  • Maximum sequence length: 6,144 tokens
  • Qwen3 non-thinking chat template
  • Seed: 42

The run completed 2,418 optimizer steps. Final training loss was 0.7517516736258545. No held-out evaluation set was used during this run.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "XDQAQ/Qwen3-8B-MaKTO-Public-SFT"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "请分析当前狼人杀局势。"}]
inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    enable_thinking=False,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))

Use transformers>=4.51.0 for Qwen3 support.

Limitations

The model is specialized for language-game and Werewolf-style interactions. It has not been evaluated as a general assistant, and its outputs can be incorrect, inconsistent, or strategically deceptive in keeping with the training domain. Users should evaluate it for their own intended use.

References

License

The base model is distributed under the Apache License 2.0. The source dataset is marked as MIT on its Hugging Face dataset page. Users are responsible for complying with the licenses and terms of the base model and source dataset.

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
1b4b9e5

0 моделей