/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
54,7 ГБ
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
19 сен 2026

Qwen3.8-27B-MatRL-MT-RL

Генерация текстаТекст → текст3 профессии

Промежуточная модель Qwen на 27 млрд параметров для многошаговой генерации неорганических кристаллических структур с помощью инструментов.

276скачиваний за 30 дней0лайковвеса обновлены19 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

amayuelas/Qwen3.8-27B-MatRL-MT-RL — экспериментальная версия на базе Qwen/Qwen3.8-27B, дообученная автором методом многошагового обучения с подкреплением для генерации новых неорганических кристаллических структур. Это плотная модель семейства Qwen3.5/Qwen3.8 с архитектурой Qwen3_5ForConditionalGeneration; для запуска используются Transformers и веса safetensors. Модель ведёт цикл взаимодействия с инструментами до 10 ходов: предлагает структуры и оценивает их с помощью машинно обученного межатомного потенциала.

Она предназначена для безусловной генерации кристаллов, генерации по химической формуле или набору элементов, а также поиска структур с заданными свойствами, включая ширину запрещённой зоны и модуль объёмного сжатия. Чекпойнт рассчитан на исследовательские сценарии в материаловедении и требует поддерживающей инструменты среды для полного цикла работы.

Это промежуточный чекпойнт на ранней стадии обучения с подкреплением, а не завершённая модель. В README отмечены нестабильное качество и склонность объединять много вызовов инструментов в одно сообщение: примерно 41% обучающих прогонов достигали лимита генерации посреди пакета вызовов, из-за чего возможны повреждённые завершающие вызовы. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация новых неорганических кристаллических структур
  • поиск кристаллов по заданной химической формуле
  • генерация структур для заданного набора элементов
  • подбор материалов с целевой шириной запрещённой зоны
  • поиск структур с целевым модулем объёмного сжатия

Ограничения

Это незавершённый промежуточный чекпойнт, качество которого ещё не стабилизировалось. Возможны пакетирование слишком большого числа вызовов инструментов и обрезанные или некорректные завершающие вызовы; для работы требуется совместимая среда инструментов.

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

Qwen3.8-27B-MatRL-MT-RL

Multi-turn RL for novel inorganic crystal structure generation, trained with tool use against a machine-learned interatomic potential (MLIP) reward.

This is the 27B arm of the MatRL scale series. The 4B and 9B arms are Qwen3.5-4B-MatRL-MT-RL and Qwen3.5-9B-MatRL-MT-RL.

Intermediate checkpoint. This is step 100 of RL stage 2c — roughly 170 of a planned 400 cumulative RL steps. It is released as a work-in-progress snapshot, not a final model. See Known issues before using it.

Base model

Built on Qwen/Qwen3.8-27B (27.36B params, 64 layers, hidden size 5120, hybrid linear/full attention).

Note that config.json reports model_type: "qwen3_5" and Qwen3_5ForConditionalGeneration — Qwen3.8 is a version bump of the Qwen3.5 architecture, not a new one. The tokenizer and chat template are Qwen3.8's and differ from Qwen3.5's; use the ones shipped in this repo rather than substituting Qwen3.5's.

Training pipeline

StageStepsNote
Cold-start SFT420multi-turn corpus, filtered at seq_len 16384 through this model's renderer
RL stage 130
RL stage 210
RL stage 2b30
RL stage 2c100this checkpoint

Cumulative: 170 RL steps on top of the SFT.

Task and reward

The model works in a multi-turn tool loop (up to 10 turns) proposing crystal structures, then submits a final candidate. Task mix: unconditional generation, target formula, target element set, and property-conditioned targets (band gap, bulk modulus).

Tools: retrieve_materials, propose_structure, substitute_element, check_novelty, evaluate_structure, predict_band_gap, calculate_bulk_modulus, submit.

Reward is a weighted rubric over submission, validity, novelty, honest stability (MLIP relaxation, equflashv2 backend), SUN bonuses, property-target match, group diversity, efficiency, and format.

Training setup

  • Framework: prime-rl 0.7.0, GRPO-style with group-relative advantages
  • Hardware: 8×H200 (5 trainer / 2 inference / 1 MLIP reward pool)
  • Batch: 128 rollouts, group size 16, oversampling 1.25
  • Sampling: temperature 1.15, max_completion_tokens 2048, max_model_len 32768
  • Optimizer: fp32 optimizer state, constant LR, FSDP with CPU offload

Known issues

  • Intermediate, not converged. Mean reward is roughly flat across stage 2c (~3.2 → ~3.4), within run-to-run noise.
  • Tool-call batching drift. Over stage 2c the policy progressively packs more tool calls into a single assistant message (~3 at step 1 → ~7 by step 100, with batches up to 27). Around 41% of rollouts at this checkpoint hit the 2048-token completion cap mid-batch, which can emit a truncated final tool call. Downstream users should expect occasional malformed trailing tool calls and may want a larger completion budget or a cap on tool calls per message.
  • The stage-2c run later terminated at step 122 (vLLM engine timeout on very long prompts, a downstream consequence of the same drift). This checkpoint predates that failure.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "amayuelas/Qwen3.8-27B-MatRL-MT-RL"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="auto", device_map="auto")

The model expects the multi-turn tool-calling format it was trained in; use the bundled chat_template.jinja.

License

Inherits the license of the base model, Qwen/Qwen3.8-27B.

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
f86f054

0 моделей