/ 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-position-evaluated-20260928

Генерация текстаТекст → текст3 профессии

Архив оценённых чекпойнтов плотной Qwen2-модели на 7,1 млрд параметров для генерации текста с выборочным повторным чтением контекста.

154скачиваний 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

Xirui1208/selective-readtwice-7b-position-evaluated-20260928 — архив опубликованных оценённых чекпойнтов модели Selective ReadTwice, подготовленный владельцем репозитория. Это плотная авторегрессионная Qwen2-модель на 7,1 млрд параметров с генерацией текста, диалоговым режимом и интерфейсом вызова инструментов; указанное максимальное окно контекста — 32 768 токенов. В репозитории представлены только оценённые чекпойнты; калибровочные и отклонённые варианты помечены отдельно. README указывает на замороженную reader-модель и оригинальный код инференса, но не раскрывает идентификатор базовой модели.

Модель предназначена для экспериментов и сценариев генерации текста с выборочным повторным чтением контекста; карточка не описывает конкретные пользовательские задачи или языки. Веса доступны в формате safetensors. Сведения о лицензии отсутствуют в предоставленных данных, поэтому условия использования по ним определить нельзя.

Сценарии применения

  • генерация текста в диалоге
  • эксперименты с выборочным повторным чтением контекста
  • оценка вариантов чекпойнта для генерации текста
  • вызов инструментов в диалоговых сценариях

Ограничения

README не указывает поддерживаемые языки и лицензию. Описание не содержит результатов оценки, поэтому качество модели и применимость к конкретным задачам по этим данным установить нельзя.

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

Position-balanced 7B gate evaluated checkpoints, with frozen reader and original inference code.

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-step-2944HQA56 threshold 0.4 and 0.5Original RL initialization
gate_adapterHQA56/112/224 threshold gridPreviously published default
checkpoints/rl-step-1216HQA56/112/224 threshold gridFinal mainline RL; not automatically selected over RL960
checkpoints/gate-repair-step-16Calibration 56K/112K/224KFailed calibration acceptance; archived as evaluated, not recommended
checkpoints/gate-cf-step-32HQA56/112, thresholds 0.5 and 0.4Counterfactual branch initialized from RL960
checkpoints/gate-cf-step-64HQA56/112, threshold 0.5Continuation of CF32; separate counter from mainline RL

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
3fc1dab

0 моделей