/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Размер весов
7,6 ГБ
Лицензия
Apache 2.0
Архитектура
phi3 · dense
Базовая модель
Phi-3.5-mini-instruct
Библиотека
transformers
Опубликована
9 дек 2025

DZ-TDPO-Phi-3.5-mini-instruct

Генерация текстаТекст → текст3 профессии

Дообученная Phi-3.5-mini-instruct для диалогов, в которых нужно отслеживать изменения предпочтений и разрешать конфликты в истории пользователя.

60скачиваний за 30 дней0лайковвеса обновлены24 дек 2025

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

DZ-TDPO-Phi-3.5-mini-instruct — дообученная модель на архитектуре Phi-3.5 от Microsoft, представленная авторами метода DZ-TDPO как официальная реализация их исследования. Она предназначена для диалогов с длинной историей, где важно учитывать изменения пользовательских предпочтений и разрешать конфликты между текущими намерениями и прежним контекстом. Модель заявлена для генерации ответов в сценариях отслеживания меняющегося состояния пользователя; в README приведены результаты на наборе Multi-Session Chat, но это показатели авторов, а не независимая оценка.

Модель содержит 3,7 млрд параметров, использует архитектуру Phi-3 и формат Safetensors, принимает текст и выдаёт текст. Контекст составляет 4096 токенов. В метаданных указан английский язык. По README, модель готова к использованию через библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • учёт изменившихся предпочтений пользователя в многоэтапном диалоге
  • разрешение противоречий между текущим запросом и прежними сообщениями
  • ведение диалога с меняющимися пользовательскими ограничениями
  • генерация ответов с учётом состояния пользователя в истории переписки

Ограничения

Контекст модели ограничен 4096 токенами. Заявленные результаты основаны на оценке авторов на Multi-Session Chat; независимое подтверждение в карточке не приведено.

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

DZ-TDPO (Phi-3.5-mini-instruct)

Official implementation of the paper DZ-TDPO: Non-Destructive Temporal Alignment for Mutable State Tracking in Long-Context Dialogue.

Code: https://github.com/lyj20071013/DZ-TDPO

⚡️ Abstract

In long-context dialogue systems, models suffer from State Inertia, where static constraints prevent resolving conflicts between evolving user intents (e.g., "I'm now Vegan") and established historical context. Standard alignment methods like DPO incur a massive "Alignment Tax" (perplexity explosion >100) when trying to force these updates.

We propose DZ-TDPO, a non-destructive alignment framework that synergizes:

  1. Conflict-Aware Dynamic KL Constraints (TDPO-DKL): Optimization level adjustment.
  2. Learnable Temporal Attention Bias (Dual-Zone Temporal Attention): Representation level filtering powered by semantic conflict detection.

Result: This model achieves State-of-the-Art win rates (55.4%) on the Multi-Session Chat (MSC) dataset while maintaining robust zero-shot generalization and negligible perplexity overhead.


🌟 Key Results

SOTA Performance on Mutable State Tracking

DZ-TDPO significantly outperforms Standard DPO and SimPO on the MSC dataset, solving the "State Inertia" problem without destroying the model's general capabilities.

MethodWin Rate (MSC)PPL (Validation)Alignment Tax
Standard DPO45.8%102.3 💥High
SimPO46.4%101.2High
DZ-TDPO (Ours)55.4%26.0 ✅Negligible

Note on Scaling: We also validated this method on Qwen2.5-7B (available separately), where it maintains high stability (+1.95 PPL) with a 50.8% win rate, demonstrating the capacity-stability trade-off in larger models.


🚀 Quick Start

This model is merged and ready to use with the transformers library.

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "YijunLiao/DZ-TDPO-Phi-3.5-mini-instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, 
    torch_dtype=torch.bfloat16, 
    device_map="auto",
    trust_remote_code=True
)

# Example: Resolving State Inertia
messages = [
    {"role": "user", "content": "I love spicy food."},
    {"role": "assistant", "content": "Noted! I'll recommend spicy dishes."},
    # ... assuming long history ...
    {"role": "user", "content": "Actually, I have a stomach ache now. I need something mild."},
]

inputs = tokenizer.apply_chat_template(messages, return_tensors="pt", add_generation_prompt=True).to(model.device)
outputs = model.generate(inputs, max_new_tokens=128)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📜 Citation

@misc{liao2025dztdpo,
      title={DZ-TDPO: Non-Destructive Temporal Alignment for Mutable State Tracking in Long-Context Dialogue}, 
      author={Yijun Liao},
      year={2025},
      eprint={2512.03704},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
cfea90b

0 моделей