/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,7 млрд
Архитектура
opensci · dense
Библиотека
transformers
Опубликована
8 окт 2026

open-sci-ref-v0.02-1.7b-comma-mv_reasoning-300B-4096-SFT-Tulu3-decontaminated

Генерация текстаТекст → текст

Диалоговая языковая модель OpenSci на 1,7 млрд параметров для генерации ответов и продолжения текста.

223скачиваний за 30 дней0лайковвеса обновлены8 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

Модель ali-elganzory/open-sci-ref-v0.02-1.7b-comma-mv_reasoning-300B-4096-SFT-Tulu3-decontaminated — причинная языковая модель семейства OpenSci с плотной архитектурой и 1,7 млрд параметров. Она дообучена методом SFT с использованием TRL и предназначена для генерации текста в диалоговом формате.

Модель принимает текстовые сообщения и генерирует продолжение диалога; для запуска в карточке приведён пример с Transformers и pipeline text-generation. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Карточка не сообщает о базовой модели или специальных ограничениях по тематикам и языкам, поэтому область применения и языковую поддержку нельзя уточнить. Условия лицензии в доступных данных не указаны.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • продолжение пользовательского текста
  • создание прототипа чат-бота
  • эксперименты с генерацией текста на базе Transformers

Ограничения

Карточка не описывает языковую поддержку, качество на отдельных задачах или ограничения применения. Лицензия и базовая модель в доступных данных не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for None

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.27.1
  • Transformers: 4.57.6
  • Pytorch: 2.6.0+cu126
  • Datasets: 4.8.4
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpensciForCausalLM
Ревизия весов
de8e5a2

0 моделей