Uploaded finetuned model
- Developed by: atomimpnsc
- License: apache-2.0
- Finetuned from model : NotoriousH2/Qwen3-0.6B-JSON-SFT
This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 40 960 токенов
- Параметры
- 508 млн
- Лицензия
- Apache 2.0
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-0.6B-JSON-SFT
- Опубликована
- 4 сен 2026
Ссылки
Qwen3-0.6B-JSON-SFT-GRPO
Компактная дообученная модель Qwen3 для извлечения сведений из протоколов совещаний и генерации структурированного JSON.
20скачиваний за 30 дней0лайковвеса обновлены4 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
atomimpnsc/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, дообученная на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель содержит 507,9 млн параметров и рассчитана на генерацию текста; заявленная длина контекста — 40 960 токенов.
Базовая модель предназначена для извлечения из корейских протоколов совещаний метаданных, поручений, решений и препятствий с представлением результата в JSON. Карточка этой версии сообщает о дообучении с использованием Unsloth и библиотеки TRL, но не уточняет состав обучающих данных и результаты оценки качества.
Модель принимает текстовые запросы и генерирует текст, в том числе в формате JSON. Лицензия — Apache-2.0.
Сценарии применения
- Извлечение поручений из корейских протоколов совещаний
- Выделение решений и препятствий из протокола
- Преобразование заметок о совещании в структурированный JSON
Ограничения
Карточка не приводит оценок качества и не описывает обучающие данные; назначение для извлечения сведений из корейских протоколов указано для базовой модели.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиIII.10Корпоративные функцииПроекты, процессы и операционное управлениеAI помогает планировать работу, обнаруживать отклонения и улучшать операционные процессы.25 задач2 527моделейI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen3ForCausalLM
- Ревизия весов
- f2c8d8f