/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B
Библиотека
transformers
Опубликована
11 ноя 2024

QWEN-2.5-0.5B-Synthia-I

Генерация текстаТекст → текст6 профессий

Дообученная на примерах следования инструкциям компактная модель Qwen2 для диалогов и генерации текста.

36скачиваний за 30 дней2лайкавеса обновлены20 июл 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

QWEN-2.5-0.5B-Synthia-I — языковая модель, дообученная artificialguybr на наборе Synthia v1.5-I из более чем 20,7 тыс. примеров следования инструкциям. Это плотная причинная модель семейства Qwen2 с 494 млн параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для диалогов, выполнения инструкций и продолжения текста.

Дообучение усиливает способность базовой Qwen2.5-0.5B следовать инструкциям. Карточка заявляет многоязычные возможности базовой модели, включая более 29 языков; в метаданных отдельно указан английский язык. Модель подходит для лёгких диалоговых приложений и генерации ответов, но её небольшой размер может ограничивать точность и надёжность при сложных задачах. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание чат-бота для ответов на текстовые запросы
  • выполнение инструкций и типовых текстовых задач
  • генерация и продолжение текстов
  • подготовка ответов в диалоговых приложениях

Ограничения

Компактный размер модели может снижать точность и надёжность на сложных задачах; карточка не приводит результатов оценки качества.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-0.5B Fine-tuned on Synthia v1.5-I

This model is a fine-tuned version of Qwen/Qwen2.5-0.5B on the Synthia v1.5-I dataset, which contains over 20.7k instruction-following examples.

Model Description

Qwen2.5-0.5B is part of the latest Qwen2.5 series of large language models. The base model brings significant improvements in:

  • Instruction following and generating long texts
  • Understanding structured data and generating structured outputs
  • Support for over 29 languages
  • Long context support up to 32,768 tokens

This fine-tuned version enhances the base model's instruction-following capabilities through training on the Synthia v1.5-I dataset.

Model Architecture

  • Type: Causal Language Model
  • Parameters: 0.49B (0.36B non-embedding)
  • Layers: 24
  • Attention Heads: 14 for Q and 2 for KV (GQA)
  • Context Length: 32,768 tokens
  • Training Framework: Transformers 4.45.0.dev0

Intended Uses & Limitations

This model is intended for:

  • Instruction following and task completion
  • Text generation and completion
  • Conversational AI applications

The model inherits the multilingual capabilities and long context support of the base Qwen2.5-0.5B model, while being specifically tuned for instruction following.

Training Procedure

Training Data

The model was fine-tuned on the Synthia v1.5-I dataset containing 20.7k instruction-following examples.

Training Hyperparameters

The following hyperparameters were used during training:

  • Learning rate: 1e-05
  • Train batch size: 5
  • Eval batch size: 5
  • Seed: 42
  • Gradient accumulation steps: 8
  • Total train batch size: 40
  • Optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • LR scheduler type: cosine
  • LR scheduler warmup steps: 100
  • Number of epochs: 3
  • Sequence length: 4096
  • Sample packing: enabled

🌐 Website

You can find more of my models, projects, and information on my official website:

🚀 Prompt Hub

Need high-quality prompts for image models and LLMs? Explore findgoodprompt.com.

💖 Support My Work

If you find this model useful, please consider supporting my work. It helps me cover server costs and dedicate more time to new open-source projects.

Framework Versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.3.1+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

axolotl version: 0.4.1

Explore More

Discover more of my models, projects, and practical AI resources:

  • AI tools directory: JustGoodAI — a curated directory of useful AI tools.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
1b632fc

0 моделей