/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
3 сен 2026

Qwen3.5-4B-MatRL-MT-SFT

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen3.5-4B для многоходового использования инструментов при обратном проектировании кристаллических структур.

22скачиваний за 30 дней0лайковвеса обновлены3 сен 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

Модель amayuelas/Qwen3.5-4B-MatRL-MT-SFT — экспериментальный чекпойнт Qwen3.5-4B, дообученный разработчиком amayuelas методом supervised fine-tuning на 1 123 многоходовых эпизодах использования инструментов для обратного проектирования кристаллических структур. Она предназначена для агентного цикла: предложить структуру, оценить её с помощью инструментов, уточнить и отправить итоговый вариант в пределах лимита ходов. Модель принимает текст и, как мультимодальная архитектура Qwen3.5, поддерживает обработку изображений; заявленный сценарий обучения и настройки — текстовый вызов инструментов.

Чекпойнт обучен на базе Qwen/Qwen3.5-4B, с assistant-only loss в течение трёх эпох; README указывает 423 шага и финальную потерю около 0,36. Обучение ориентировано на формат взаимодействия и завершение эпизода, а не на самостоятельное освоение химии: знания о предметной области предполагается развивать последующим этапом RL. Для сохранения обученного поведения рассуждений необходимо включать thinking channel; режим enable_thinking=false отключает его. Для загрузки через vLLM нужны конфигурации обработки изображений и видео, даже при текстовом обслуживании. Лицензия — Apache-2.0.

Сценарии применения

  • Предлагать кандидаты кристаллических структур в агентном цикле
  • Отправлять кандидатов на оценку с помощью инструментов
  • Уточнять структуру по результатам вычислительной оценки
  • Завершать многоходовый эпизод проектирования отправкой итогового кандидата

Ограничения

Чекпойнт обучен главным образом формату взаимодействия и завершению цикла, а не химическим знаниям; химические способности предполагается улучшать последующим RL-обучением. Для работы обученного режима рассуждений нужно включать thinking channel.

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

Qwen3.5-4B — MatRL multi-turn SFT (cold start)

Qwen/Qwen3.5-4B cold-started on amayuelas/matrl-sft-mt: 1,123 multi-turn tool-use episodes for crystal-structure inverse design.

This is the cold-start checkpoint. Its job is format and the tool loop — propose, evaluate, refine, and above all commit within the turn budget. The chemistry is learned afterwards by RL; see amayuelas/Qwen3.5-4B-MatRL-MT-RL.

Why a cold start is needed

The base model essentially never commits. Across 2,880 multi-turn rollouts it made 3 submit calls — it proposes prolifically (~5.6 candidates/rollout) and evaluates sparingly, then runs out of turns. Strict multi-turn SUN is therefore 0% by construction: a commitment failure, not a chemistry failure. Teaching the agent to close an episode is precisely what this stage installs.

Training

baseQwen/Qwen3.5-4B
data1,123 episodes, assistant-only loss
steps423 (3 epochs), global batch 8
seq len16,384
optimizerAdamW, lr 2e-5, constant
precisionbf16
parallelismFSDP + context parallel (cp=2, ulysses)
trainerprime-rl

Trained on 4×A100-40GB. Final loss ~0.36.

Context parallelism uses ulysses, not ring: Qwen3.5 is a hybrid with linear attention (DeltaNet) layers, and ring attention is a softmax-attention algorithm that does not apply to them.

Important: thinking channel

This model is trained with reasoning in the native thinking channel (reasoning_content → <think>), preserved across tool calls. Do not evaluate it with enable_thinking=false — that disables exactly the behavior this run trains.

Serving

Qwen3.5 is a VL-capable model class, so vLLM requires an image-processor config even for text-only serving. preprocessor_config.json and video_preprocessor_config.json are included; without them vLLM fails on load.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
e527e93

0 моделей