/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
9 сен 2026

cobalt-seeded-rl-base-ramp25-stoppen-gen4k-ep2-ncp5-q4v2-groot16

Генерация текстаТекст → текст3 профессии

Дообученная методом GRPO модель Qwen3 на 3,7 млрд параметров для планирования следующих глав по примерам из книг.

411скачиваний за 30 дней0лайковвеса обновлены1 окт 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

agurung/cobalt-seeded-rl-base-ramp25-stoppen-gen4k-ep2-ncp5-q4v2-groot16 — дообученная методом GRPO языковая модель на архитектуре Qwen3, созданная разработчиком agurung. Контрольная точка выбрана на шаге 80 из обучения с seed 42; модель обучалась планированию следующих глав по примерам из книг.

Для выбора контрольной точки использовали 7 075 обучающих примеров и 1 120 отложенных примеров для проверки, оценивая по восемь генераций на пример. Критерий выбора — средняя наилучшая из восьми генераций оценка по непрерывной контрастивной функции вознаграждения. Настройка включает два эпизода GRPO, генерацию до 4 096 токенов и штрафы за слишком длинные и некорректные планы. По метаданным модель имеет 3,7 млрд параметров, использует плотную архитектуру Qwen3, поддерживает диалоговый режим и контекст до 262 144 токенов. Репозиторий содержит веса Safetensors.

Модель предназначена для экспериментов с планированием продолжения повествования и генерацией планов следующих глав. README не сообщает о качестве на независимом тестовом наборе или лицензии; метаданные также не содержат сведений о лицензии.

Сценарии применения

  • составление плана следующей главы книги
  • планирование продолжения повествования по предыдущим главам
  • эксперименты с контрастивной оценкой планов продолжения

Ограничения

В README не приводятся результаты независимого тестирования качества, а выбор контрольной точки основан на отложенной выборке. Лицензия модели не указана в предоставленных данных.

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

NCP repaired-v2 — validation-selected RL checkpoint

Arm groot16, RL seed 42, selected step 80.

Trained on 7,075 next-chapter planning examples; selected using 1,120 held-out validation examples and eight samples per example. Selection uses mean best-of-eight continuous full contrastive reward, not a binary correctness rate. No test examples enter selection.

Reward: ratio-space own improvement above 5, minus other-book/same-book foil penalties above 15 with weights 0.5/0.25; own reward uncapped, malformed-plan reward -25. Foils remain in the scored example's split.

Recipe: GRPO, two episodes, 4,096 generated tokens, multiplicative overlong penalty up to 25%, truncated-sample override -1, ring attention 2.

The underlying v2 sheets are retained, not newly regenerated. See PROTOCOL_B.json for selection values, lineage and reward parameters.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
7f52966

0 моделей