/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
readall-readtwice-step36-20260920
Библиотека
transformers
Опубликована
21 сен 2026

readall-readtwice-step5-20260921

Генерация текстаТекст → текст7 профессий

Контрольный чекпойнт Qwen2 на шаге 5 обучения ReadAll / ReadTwice для генерации текста и ответов на вопросы по длинным документам.

244скачиваний 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/readall-readtwice-step5-20260921 — контрольный чекпойнт Qwen2, разработанный в рамках обучения ReadAll / ReadTwice с обучением с подкреплением. Это плотная авторегрессионная модель генерации текста на 7,1 млрд параметров с контекстом 32 768 токенов; репозиторий содержит веса BF16 в формате Safetensors и конфигурацию для Transformers. Модель предназначена для диалога и ответов на вопросы по длинным документам. В оценке HQA на входе длиной 224 тыс. токенов она использовалась вместе с соответствующим рекуррентным конвейером ReadTwice: документ обрабатывается частями и несколькими последовательными вызовами, а не одним запросом к модели. README также приводит оценку на LongBench QA.

На фиксированном наборе HQA модель получила 57,81% exact match, 73,19% F1 и 75,78% bidirectional SubEM; по сравнению с исходным чекпойнтом step36 приросты невелики. Эти результаты не подтверждают устойчивое улучшение на новых данных. Для сопоставления при оценке README рекомендует жадное декодирование с отключённой выборкой. Репозиторий публичный; лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы по длинным документам с конвейером ReadTwice
  • извлечение ответов из больших наборов документов
  • диалоговая генерация текста
  • оценка подходов к обработке контекста свыше 32 768 токенов

Ограничения

Обработка 224 тыс. токенов требует специального рекуррентного конвейера ReadTwice и не выполняется за один вызов модели; нативный контекст составляет 32 768 токенов. Приведены результаты только на фиксированных наборах разработки, приросты невелики и не подтверждены на независимом тесте.

Для каких профессий подходит7

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 RL step5 (initialized from step36)

This is the exact merged BF16 actor checkpoint at global step 5 of readall_sft_hqa_rl_step36_memagent_readtwice_20260921_r1. It continues training from Xirui1208/readall-readtwice-step36-20260920. The step number is local to this new training run.

Four safetensors shards, the weight index, tokenizer, and original model/generation configuration are included. See checkpoint_manifest.json for SHA-256 hashes.

Greedy evaluation

Use greedy decoding: temperature=0, top_p=1 (do_sample=False in Transformers). The original generation_config.json contains sampling defaults and is preserved unchanged; explicitly override them for the greedy comparison.

MetricInitialization step36This step5
HQA 224k EM57.81%57.81%
HQA 224k F172.15%73.19%
HQA 224k bidirectional SubEM74.22%75.78%
LongBench QA EM32.20%32.90%
LongBench QA F144.27%44.75%
LongBench QA custom bidirectional SubEM42.40%42.70%

HQA covers all 128 questions with zero recorded evaluation error events. LongBench QA covers all 1,000 questions: 200 each from NarrativeQA, Qasper, HotpotQA, 2WikiMQA, and MuSiQue. One NarrativeQA final answer hit its output cap and remains in the denominator at zero. No API failures were recorded.

LongBench custom SubEM is not an official LongBench metric. It uses HQA-style normalization and accepts a nonempty prediction if it contains a nonempty gold answer or vice versa, taking the maximum over references. Invalid or empty answers score zero. See evaluation.json for exact definitions and counts.

These are fixed development-set results and the gains are small; they do not establish a stable improvement on an unseen test set.

The HQA 224k result requires the matching paged ReadTwice pipeline: balanced page-local outlines, 5,000-token chunks, 24 sections per page, serial memory updates with <KEEP_MEMORY>, UPDATE cap 1,024, and seed 801. The model's native context is 32,768 tokens; 224k is processed recurrently, not in one model call. Direct full-context chat uses a different setup.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "Xirui1208/readall-readtwice-step5-20260921"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id, torch_dtype="bfloat16", device_map="auto"
)
# Explicitly pass do_sample=False when generating for greedy evaluation.

This 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
63e292d

0 моделей