/ Модель

Характеристики

Контекст
32 768 токенов
Лицензия
Apache 2.0
Базовая модель
Qwen2.5-Coder-14B-Instruct
Библиотека
peft
Опубликована
7 авг 2026

qwen14b-code-trainer-v9_mixed

Генерация текстаТекст → текст8 профессий

qwen14b-code-trainer-v9_mixed — LoRA-адаптер для Qwen/Qwen2.5-Coder-14B-Instruct, обученный в рамках Code-Trainer / RTPI pipeline на наборе code-trainer-v9-mixed.

534скачиваний за 30 дней0лайковвеса обновлены29 авг 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 предназначена для генерации кода по инструкциям, вызова инструментов и многошагового агентского поведения в многоходовых диалогах. Версия V9 ориентирована на корректное формирование обёрток <tool_call> и </tool_call>, необходимых для разбора структурированных вызовов инструментов в Ollama.

Адаптер использует PEFT LoRA с параметрами r=32, alpha=64 и dropout=0,05. Обучение проходило в два этапа: сначала на смешанном наборе данных, затем на подмножестве примеров с вызовами инструментов. В обучающем наборе 40 401 пример, около 64,3% из них содержат определения инструментов; также использовались примеры генерации кода, отладки, многошагового взаимодействия и англоязычных инструкций. Обучение выполнялось с длиной последовательности 4096 токенов в bfloat16 на одной A100 80 GB.

Для работы адаптер необходимо подключать к базовой модели Qwen/Qwen2.5-Coder-14B-Instruct, после чего его можно объединить с базовой моделью и квантовать в GGUF для llama.cpp, Ollama или LM Studio. Рекомендуется квантование Q5_K_M, поскольку оно лучше сохраняет шаблоны тегов вызова инструментов; Q4_K_M указано как запасной вариант. Рекомендуемая длина контекста — 8192 токена, хотя базовая модель поддерживает до 32K. Ограничения включают отсутствие специального обучения для safety alignment, RLHF и задач, не связанных с кодом. Лицензия — Apache-2.0. В README указано, что адаптер заменён для развёртывания версией V10 с GRPO, но остаётся её SFT-основой.

Для каких профессий подходит8

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

qwen14b-code-trainer-v9_mixed

LoRA adapter for Qwen/Qwen2.5-Coder-14B-Instruct, fine-tuned on the code-trainer-v9-mixed dataset with a two-phase curriculum. This is the V9 release — focused on fixing <tool_call> tag emission so the model produces the exact wrapper tags Ollama needs to parse structured tool calls.

Part of the Code-Trainer / RTPI pipeline (GitHub).

Status: superseded for deployment by V10 (GRPO). V9 remains the SFT foundation — the V10 adapter chain merges V9 before applying GRPO reinforcement learning.

What changed from V8

  1. Increased tool-calling density — Slice B expanded from 12K to 19K rows (tool-calling share: 31% → ~45% of the dataset).
  2. Synthetic multi-tool-call examples — ~2K synthetic examples with 2–3 tool calls per assistant turn, teaching the model sequential tool emission.
  3. Stop-after-tag cleanup — all assistant turns containing </tool_call> are stripped of trailing text, teaching a clean stop signal.
  4. Tag completeness validation — records with unmatched <tool_call> / </tool_call> tags are dropped during dataset build.
  5. Two-phase curriculum training — Phase A (80% of steps) trains on the full mixed dataset; Phase B (20% of steps) trains on the tool-calling-only subset at a higher learning rate for a final "polish" pass on tag formatting.
  6. Q5_K_M default — the deployment quantization is bumped from Q4_K_M to Q5_K_M for improved tag-pattern fidelity (~1.5 GB larger, still fits RTX 5060 Ti 16GB).

Training data

SliceSourceRows (train)Purpose
A — Code generationcmndcntrlcyber/code-trainer-offsec-dataset (8K subsample)7,074Preserve code-gen quality
B — Tool callingglaiveai/glaive-function-calling-v2 (19K cap)~15,125High-density tool calling
B+ — Multi-tool syntheticSynthetic from Slice B pairs (~2K)~2,000Multi-call per turn
C — Agentic multi-turngreghavens/fable-5-coding-and-debugging-traces (10K cap)8,994Multi-step agent behaviour
D — English instructionteknium/OpenHermes-2.5 (8K cap)7,208Language anchor
  • Tool coverage: 25,964 / 40,401 train rows (64.3%) contain tool definitions
  • Format: Unified ChatML, tool calls formatted via apply_chat_template(tools=...)

Training procedure

Phase A — Full mixed dataset (80% of total steps)

KnobValue
Base modelQwen/Qwen2.5-Coder-14B-Instruct
AdapterLoRA (PEFT), r = 32, alpha = 64, dropout = 0.05
Learning rate1.0e-4 (cosine decay, warmup ratio 0.03)
Batch size × grad accum1 × 16 (effective batch = 16)
Sequence length4,096
Precisionbfloat16 + gradient checkpointing

Phase B — Tool-calling polish (20% of total steps)

KnobValue
DataTool-calling subset only (Slice B + B+)
Learning rate2.0e-4
Warmup ratio0.10
All other knobsSame as Phase A
MetaValue
HardwareHF Skills a100-large (1× A100 80 GB)
Frameworkstransformers, peft, trl (SFTTrainer)
Entry pointtrain_entry_v9.py (curriculum orchestrator)
HF Job6a74de123e1f34a7e32bb955

Evaluation

Version comparison

VersionDataset rowsTool %eval_lossKey improvement
V6 aggressive26,1260%0.4724Code-only baseline
V7 v7_mixed28,86263.8%—Restore tool-calling + agent
V8 v8_mixed34,10457.6%0.4837Fix multilingual + native format
V9 v9_mixed (this)40,40164.3%—Fix tag emission + curriculum
V10 v10-grpo<1K prompts100%—GRPO RL on tool-call formatting

Intended use

  • Direct use: load the adapter on top of Qwen/Qwen2.5-Coder-14B-Instruct for instruction-following code generation, tool calling, and multi-turn agent behaviour.
  • Downstream: merge into the base model and quantize to Q5_K_M GGUF for local serving via llama.cpp, Ollama, or LM Studio.
  • Out of scope: this adapter was not trained for safety alignment, RLHF, or non-code tasks.

Deployment notes

  • Recommended quant: Q5_K_M (preserves multi-token <tool_call> tag patterns better than Q4_K_M). Q4_K_M is available as a fallback.
  • Context length: 8,192 tokens recommended; the model was trained at 4,096 but the base model supports 32K.

How to use

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base_id = "Qwen/Qwen2.5-Coder-14B-Instruct"
adapter_id = "cmndcntrlcyber/qwen14b-code-trainer-v9_mixed"

tokenizer = AutoTokenizer.from_pretrained(base_id)
model = AutoModelForCausalLM.from_pretrained(
    base_id, dtype=torch.bfloat16, device_map="auto",
)
model = PeftModel.from_pretrained(model, adapter_id)
model.eval()

messages = [
    {"role": "system", "content": "You are a coding assistant with tool access."},
    {"role": "user", "content": "Read the file main.py and summarise its structure."},
]
inputs = tokenizer.apply_chat_template(
    messages, return_tensors="pt", add_generation_prompt=True,
).to(model.device)
out = model.generate(inputs, max_new_tokens=512, do_sample=False)
print(tokenizer.decode(out[0][inputs.shape[1]:], skip_special_tokens=True))

Reproducibility

Как запустить

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

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Ревизия весов
b702411

0 моделей