/ 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-iid16

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen3-4B-Instruct-2507, дообученная методом GRPO для составления планов следующих глав книги.

510скачиваний 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

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507 от agurung, дообученный методом GRPO для планирования следующих глав книги. Модель имеет плотную архитектуру Qwen3ForCausalLM примерно на 3,7 млрд параметров, работает через Transformers и принимает текстовые запросы, выдавая текстовые планы. Контекст — до 262 144 токенов.

Обучение проведено на 7 075 примерах планирования продолжения книги в течение двух эпизодов; для выбора чекпойнта использовали 1 120 отложенных примеров и восемь генераций на каждый. Выбор опирался на непрерывную контрастивную награду: учитывались улучшение оценки для собственного продолжения и штрафы за сходство с альтернативами из той же или другой книги. Это узкоспециализированный исследовательский вариант; README не сообщает лицензию и не приводит оценки качества на независимом тестовом наборе.

Сценарии применения

  • составление плана следующей главы книги
  • генерация продолжения сюжета в виде плана
  • сравнение вариантов плана продолжения книги

Ограничения

Модель обучалась на узкой задаче планирования следующих глав; качество на независимом тестовом наборе в карточке не описано. Лицензия в предоставленных данных не указана.

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 iid16, RL seed 42, selected step 88.

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
d49bcff

0 моделей