/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Опубликована
14 мая 2026

Qwen2.5-0.5B-grpo-summarization-quality-rouge

Генерация текстаТекст → текст

Компактная англоязычная модель Qwen2.5, дообученная методом GRPO для создания кратких сводок текста с сигналом качества ROUGE.

219скачиваний за 30 дней1лайквеса обновлены7 окт 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

YuvrajSingh9886/Qwen2.5-0.5B-grpo-summarization-quality-rouge — компактная языковая модель для суммаризации, созданная дообучением Qwen/Qwen2.5-0.5B-Instruct методом GRPO. Сначала модель обучали контролировать длину сводки, затем дообучили по сигналу качества на основе ROUGE, без явного штрафа за длину. Использован датасет mlabonne/smoltldr.

Модель имеет плотную архитектуру Qwen2 и 494 млн параметров, принимает текст и генерирует текст. Контекст — до 32 768 токенов; в метаданных указан английский язык. В оценке на 200 примерах тестовой части smoltldr модель получила композитную оценку G-Eval 2,777 из 4 и pass rate 19,6%; это результаты конкретного эксперимента, а не гарантия качества на других данных. Лицензия — Apache-2.0.

Сценарии применения

  • составление кратких сводок англоязычных публикаций
  • суммаризация постов и обсуждений на Reddit
  • сжатие длинного текста для быстрого ознакомления

Ограничения

В опубликованной оценке на тестовой выборке smoltldr pass rate составил 19,6%, а оценка полноты — 0,338 из 1, поэтому сводки могут упускать важные детали. Результаты получены на ограниченной выборке и не показывают качество на других жанрах и языках.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-0.5B-grpo-summarization-quality-rouge

The model was first trained with a length-only reward to learn output length control, then fine-tuned further with quality-only rewards (no explicit length penalty). This checkpoint used ROUGE as the quality signal.

G-Eval Scores (each 0–1; Composite max 4.0)

FaithfulnessCoverageConcisenessClarityCompositePass Rate
0.8180.3380.8410.7792.77719.6%

Evaluated on 200 examples from mlabonne/smoltldr test split · judge: gpt-5-mini-2025-08-07 via DeepEval G-Eval (5 rounds averaged, each metric 0–1)

Eval Rollouts

Full per-example outputs, G-Eval scores, significance tests, and summary tables are in the dataset repo: YuvrajSingh9886/reddit-posts-summarization-grpo

All Length-Penalty Fine-tuned Runs

RunFaithfulnessCoverageConcisenessClarityCompositePass Rate
grpo-summarization-quality-bleu-rouge ⭐0.8650.3290.8390.7842.81718.2%
grpo-summarization-quality-meteor-rouge0.8530.4890.6920.7622.79638.3%
grpo-summarization-quality-rouge0.8180.3380.8410.7792.77719.6%
grpo-summarization-quality-meteor-bleu0.9330.7160.3220.7632.73426.1%
grpo-summarization-quality-meteor0.8830.6190.4440.7512.69730.5%
grpo-summarization-quality-bleu0.7220.4390.5750.6782.41432.1%

Length-Penalty Included Runs (alternative strategy)

RunFaithfulnessCoverageConcisenessClarityCompositePass Rate
grpo-summarization-length-quality-meteor-rouge ⭐0.8320.5110.6590.7672.76944.3%
grpo-summarization-length-quality-bleu-rouge0.8100.5020.6500.7702.73239.1%
grpo-summarization-length-quality-meteor-bleu0.7920.4680.6480.7562.66438.3%
grpo-summarization-length-quality-rouge0.7250.4150.6370.7782.55532.4%
grpo-summarization-length-quality-meteor0.7210.4270.6250.7112.484—
grpo-summarization-length-only0.6780.4070.5920.7392.41630.7%
grpo-summarization-length-quality-bleu0.6800.3990.5770.7442.40026.9%

Usage (MLX)

from mlx_lm import load, generate

model, tokenizer = load("YuvrajSingh9886/Qwen2.5-0.5B-grpo-summarization-quality-rouge")
messages = [
    {"role": "system", "content": "You are an assistant who is an expert at summarization task. The user gives you a post and you are required to summarize it, keeping the key points and main ideas intact, in EXACTLY 50 words"},
    {"role": "user",   "content": "<paste Reddit post here>"},
]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
print(generate(model, tokenizer, prompt=prompt, max_tokens=128, verbose=False))

Training Details

SettingValue
Base modelQwen/Qwen2.5-0.5B-Instruct
AlgorithmGRPO (via smolcluster)
Datasetmlabonne/smoltldr (train split, Reddit summarization)
Stage 1 rewardLength penalty (deviation from 50-token target)
Stage 2 rewardROUGE
HardwareApple Silicon Mac mini cluster
FrameworkMLX
Weights formatMLX safetensors (bf16)
Eval examples200 (test split)
Judgegpt-5-mini-2025-08-07 via DeepEval G-Eval

Citation

These checkpoints were trained with smolcluster. If you use them in academic work, please cite:

@software{singh2026smolcluster,
  title     = {smolcluster: An Educational Distributed Training and Inference Library for Local Computing},
  author    = {Singh, Yuvraj},
  year      = {2026},
  publisher = {Zenodo},
  doi       = {10.5281/zenodo.23196836},
  url       = {https://github.com/YuvrajSingh-mist/smolcluster}
}

Released freely — support more experiments like it:

Buy me a coffee Sponsor: GitHub

More: https://huggingface.co/YuvrajSingh9886

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
173c83e

0 моделей