Характеристики

Контекст: 262 144 токена
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: Qwen3.5-9B-eSFT
Библиотека: transformers
Опубликована: 13 июл 2026

Ссылки

Qwen3.5-9B-eSFT-gsm8k-noCoT-SFT

Изображение и текст → текст3 профессии

Мультимодальное дообучение Qwen3.5 на GSM8K для решения математических задач с выдачей итогового ответа без цепочки рассуждений.

14скачиваний за 30 дней0лайковвеса обновлены13 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Qwen3.5-9B-eSFT GSM8K no-CoT SFT — мультимодальная модель с архитектурой Qwen3.5 и 9 млрд параметров, разработанная YumengWithG как дообучение zhengbang0707/Qwen3.5-9B-eSFT. Модель обучена в формате supervised fine-tuning на обучающей выборке GSM8K и предназначена для решения математических задач с выдачей только итогового ответа без цепочки рассуждений. Для инференса используются Transformers, AutoModelForMultimodalLM и AutoProcessor с родным шаблоном чата Qwen3.5 и параметром enable_thinking=False.

Модель принимает текст и изображения и генерирует текст; карточка указывает английский язык. В описанной оценке на 1319 примерах судья засчитал 503 ответа как правильные (38,13%), поэтому пригодность для точных вычислений ограничена и требует проверки ответов. Веса доступны в формате safetensors с точностью BF16. Лицензия — Apache-2.0.

Сценарии применения

решение школьных математических текстовых задач
получение краткого числового ответа без пошагового рассуждения
ответы на математические вопросы в диалоговом интерфейсе

Ограничения

В оценке из карточки модель получила 503 правильных ответа из 1319 (38,13%), поэтому её математические ответы могут быть ненадёжны. Дообучение ориентировано на выдачу только итогового ответа без цепочки рассуждений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-9B-eSFT GSM8K no-CoT SFT

This checkpoint is a supervised fine-tune of zhengbang0707/Qwen3.5-9B-eSFT on GSM8K. Targets contain the final answer only (no chain-of-thought). Training uses Qwen3.5's multimodal conditional-generation architecture, the native chat template with enable_thinking=False, BF16 parameters, and 4-GPU FSDP. The final model was consolidated without intermediate optimizer checkpoints.

Source revision: 2e191dfb3e32bdaaa1f0847ec3ec91a99c76595f
Dataset: openai/gsm8k, main train split; validation loss on the held-out split
Training: 3 epochs, final-only BF16 checkpoint
Final training loss: 0.4156
Final validation loss: 0.7487
Bedrock-only judge evaluation: 1319 examples, 503 judged correct (38.13%)
Judge model: us.anthropic.claude-sonnet-4-6 in us-east-2

Usage

Load with AutoModelForMultimodalLM and AutoProcessor from Transformers. Keep the Qwen3.5 native processor/chat-template path and set enable_thinking=False for no-CoT inference.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5ForConditionalGeneration
Ревизия весов: 53488ca