Характеристики

Базовая модель: qwen36-35b-su-t3-practice-step160
Библиотека: transformers
Опубликована: 13 сен 2026

Ссылки

qwen36-35b-su-t3-grpo-smu-20260905

Обучение с подкреплением

Архив BF16-контрольных точек GRPO на базе SFT-модели Qwen3.6-35B-A3B для экспериментов и инференса отдельных шагов обучения.

0скачиваний за 30 дней0лайковвеса обновлены13 сен 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

Репозиторий aaravshar содержит архив полных BF16-экспортов контрольных точек эксперимента GRPO smu_20260905: шаги оптимизатора 10, 20, 30, 40 и 50. Экспорты основаны на SFT-контрольной точке aaravshar/qwen36-35b-su-t3-practice-step160. В конфигурации указана архитектура Qwen3_5MoeForConditionalGeneration; автор называет эксперимент Qwen3.6-35B-A3B. В каждой папке сохранены веса, токенизатор, конфигурация и шаблон чата.

Модель предназначена для экспериментов с обучением методом GRPO и для инференса выбранного экспортированного шага в совместимой среде Transformers. Архив не содержит состояний оптимизатора и сэмплера; они хранятся отдельно на исходном сервере. Лицензия в предоставленных данных не указана.

Сценарии применения

Сравнение контрольных точек GRPO на шагах 10–50
Инференс выбранного экспорта в совместимой среде Transformers
Эксперименты с дообучением от SFT-контрольной точки
Анализ поведения модели на разных этапах оптимизации

Ограничения

В репозитории нет состояний оптимизатора и сэмплера, поэтому он не позволяет восстановить полное состояние обучения. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GRPO checkpoints — smu_20260905

Private archive of model exports at optimizer steps 10, 20, 30, 40 and 50 from the smu_20260905 full201-std experiment. Each step_N folder contains the complete BF16 model export, tokenizer, configuration and saved chat template. The saved model files are retained unchanged. Training optimizer and sampler states remain in the separate full training checkpoints on the source server.

Warm start: aaravshar/qwen36-35b-su-t3-practice-step160, revision a1227bed431e535fb4d4dd9fa0d35bed98220587 (SFT step 160). Architecture in the exported config: Qwen3_5MoeForConditionalGeneration. The experiment uses the Qwen3.6-35B-A3B label and a harness-specific renderer.

Download one checkpoint:

from huggingface_hub import snapshot_download

snapshot = snapshot_download(
    repo_id="aaravshar/qwen36-35b-su-t3-grpo-smu-20260905",
    allow_patterns=["step_10/*"],
    token=True,
)
checkpoint_directory = snapshot + "/step_10"

Replace step_10 with step_20, step_30, step_40 or step_50 as needed. Use checkpoint_directory wherever the existing inference setup expects the exported model path. The archive does not alter the saved prompt formatting. export_manifest.json identifies the folders and export sizes; SHA256SUMS records verified file hashes once the upload has completed.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов: 10a26c9