/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
21 сен 2026

readall-readtwice-hqa-step15-20260918

Генерация текстаТекст → текст6 профессий

Чекпойнт Qwen2 на 7,1 млрд параметров для ответов на вопросы по длинным документам с обработкой через workflow ReadTwice.

100скачиваний за 30 дней0лайковвеса обновлены21 сен 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

Xirui1208 публикует исторический чекпойнт этапа HQA step15 из обучения readall_sft_hqa_rl_20260917_r1. Это плотная авторегрессионная модель Qwen2ForCausalLM на 7,1 млрд параметров в формате BF16/Safetensors, рассчитанная на генерацию текста и диалоговые сценарии. Встроенный контекст модели — 32 768 токенов; более длинные документы обрабатываются пошаговым workflow ReadTwice с разбиением на страницы, а не одним вызовом модели.

Чекпойнт предназначен для ответов на вопросы по длинным документам в сценарии HQA. В README приведены результаты greedy-декодирования на 128 примерах для контекстов 56k, 112k и 224k токенов с метриками SubEM, EM и F1; оценка LongBench для этой версии не заявлена. Указанные результаты относятся к конкретному протоколу ReadTwice и не сопоставимы напрямую с более поздним протоколом MemAgent. Для greedy-инференса нужно отключить семплирование. Репозиторий публичен; лицензия в предоставленных данных не приведена.

Сценарии применения

  • ответы на вопросы по длинным документам
  • поиск фактов в многостраничных материалах
  • обработка документов длиннее окна контекста с разбиением на страницы

Ограничения

Нативный контекст ограничен 32 768 токенами, поэтому длинные входы требуют постраничного workflow ReadTwice. Результаты показаны только для фиксированного набора из 128 примеров и конкретного протокола; оценка LongBench не заявлена.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ReadAll / ReadTwice: historical HQA step15

This public repository contains the historical HQA-stage step15 checkpoint from readall_sft_hqa_rl_20260917_r1, saved on September 18, 2026. The checkpoint has 120 optimizer updates and 960 effective question groups. The September 21 mixed DocQA+HQA v2 stage is a separate training run.

All 339 BF16 tensors were checked against all eight original FSDP model shards before upload. Four safetensors weight files, the index, tokenizer, and original model and generation configurations are included. See checkpoint_manifest.json for the weight verification and file hashes.

Historical greedy HQA results

Context lengthSubEMEMF1
56k78.91%62.50%75.27%
112k82.03%64.06%78.96%
224k75.00%60.16%73.20%

Each length contains all 128 fixed development examples. Saved predictions were re-scored before publication. See evaluation.json for exact evaluation settings. No LongBench score is claimed for this checkpoint.

These results use greedy decoding (temperature=0, top_p=1, seed=801), paged ReadTwice, 5,000-token chunks, balanced page-local outlines with at most 24 sections per page, and serial memory across pages. Historical memory handling uses the strict complete-rewrite protocol, SKIM=512, UPDATE generation cap=1088, FINAL=1024, and a 1024-token memory limit. The later MemAgent-compatible UPDATE=1024 protocol differs; cross-protocol scores are not a controlled checkpoint comparison.

The native model context is 32,768 tokens. Long inputs are processed through the ReadTwice workflow with paging; they are not passed to a single model call. The original generation configuration retains sampling defaults. Override with do_sample=False for greedy inference.

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "Xirui1208/readall-readtwice-hqa-step15-20260918"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id, torch_dtype="bfloat16", device_map="auto"
)

The repository is public and can be downloaded without authentication.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
d7528e6

0 моделей