/ Модель

Характеристики

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

selective-readtwice-7b-early-evaluated-20260928

Генерация текстаТекст → текст3 профессии

Архив ранних контрольных точек 7,1B модели Qwen2 для диалоговой генерации с селективным чтением и отдельными gate-адаптерами.

153скачиваний за 30 дней0лайковвеса обновлены28 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

Selective ReadTwice — архив ранних оценённых контрольных точек 7,1-миллиардной плотной языковой модели семейства Qwen2 с обученным селективным чтением. Репозиторий включает замороженную базовую модель-читатель и отдельные gate-адаптеры; по README, контрольные точки охватывают SFT и обучение с подкреплением по результатам, а адаптер gate_adapter выбран по умолчанию с порогом 0,06. Контекст модели составляет 32 768 токенов, веса хранятся в формате safetensors, основная задача в метаданных — генерация текста.

Модель предназначена для диалоговой генерации с выборочным чтением: для её работы требуется включённый код читателя с повторными проходами и соответствующий gate-адаптер. Обычный конвейер text-generation сам по себе не реализует выборочное чтение; адаптеры нельзя сливать с замороженным читателем, а для инференса нужно явно загрузить корневую модель и выбранный каталог адаптера. В README приведены калибровочные контрольные точки, часть из них не имеет выбранного порога для инференса. Лицензия в предоставленных данных не указана.

Сценарии применения

  • диалоговая генерация ответов с выборочным чтением контекста
  • эксперименты с селективным чтением текста на основе gate-адаптеров
  • оценка контрольных точек SFT и обучения с подкреплением по результатам

Ограничения

Для селективного чтения необходимы специальный код читателя и отдельно загружаемый адаптер; стандартный конвейер генерации текста не обеспечивает эту функцию. Это архив ранних оценённых контрольных точек, причём для некоторых калибровочных вариантов порог инференса не выбран.

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

Early 7B gate SFT and outcome RL evaluated checkpoints, with the exact frozen reader.

Archived on 2026-09-28 at the owner's request. Only evaluated checkpoints are included; calibration-only and rejected candidates are explicitly labelled.

LocationEvaluationNotes
checkpoints/sft-epoch-1SFT epoch-end calibration
checkpoints/sft-epoch-2SFT epoch-end calibration
gate_adapteroutcome RL calibrationDefault selected checkpoint; threshold 0.06
checkpoints/rl-step-64outcome RL calibration
checkpoints/rl-step-96outcome RL calibration
checkpoints/rl-step-128outcome RL calibration

The root contains the exact frozen reader. Gate adapters are separate: do not merge a gate into the reader used for SKIM, memory updates and FINAL answers. The default gate_adapter/ is early RL32 or position-balanced RL960, respectively. Other evaluated gates are under checkpoints/. Download the entire repository with huggingface_hub.snapshot_download, then run python code/configure.py to set machine-local paths. Use the included gate and recurrent reader code; a generic text-generation pipeline alone does not perform selective reading. Historical gate metadata retains the original base identity and gate bias. Explicitly load the downloaded root reader and the selected adapter directory. Early SFT128 has calibration BCE only and no selected inference threshold; thresholds must not be inferred from its filename. Optimizer states are included where they were present locally. They are archival training files, not needed for inference.

See archive_manifest.json for checkpoint provenance, evaluation_records/ for available reports, and sha256_manifest.json for file integrity.

The archived inference wrapper accepts --adapter /absolute/path/to/checkpoints/NAME; early gates accept --threshold when explicitly needed. Adapter configuration base paths were relocated to this archive; adapter tensor bytes and gate bias are unchanged.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
d9100b1

0 моделей