/ Модель

Характеристики

Контекст
262 144 токена
Параметры
619 млн
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
tracegenix-mini-sft-clean-3ep
Опубликована
12 июн 2026

mind-of-tashi-mini-sft

Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen 3.5 MoE для рассуждений по истории ходов и выбора допустимого хода в игровой дуэли с выводом JSON.

23скачиваний за 30 дней0лайковвеса обновлены12 июн 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

Mind of Tashi — mini student — это разговорная текстовая модель от build-small-hackathon для игры в дуэль с одновременным выбором хода. Она читает историю ходов соперника, рассуждает в англо-хинди/санскритском регистре с переключением языков и выдаёт один допустимый ход в JSON с полями move и taunt. Модель построена на архитектуре Qwen 3.5 MoE, содержит 619,2 млн параметров и рассчитана на контекст до 262 144 токенов; в README описана настройка LoRA и последующее слияние адаптера с весами.

Модель дообучена на корпусе mind-of-tashi-selfplay для сценариев игрового самообучения и дуэлей между моделями. В проверке на 20 новых игровых состояниях она выдала корректный формат и допустимый ход во всех случаях при выборочном декодировании с температурой 0,8 и top_p 0,9; при жадном декодировании результат составил 18 из 20. README также сообщает, что в дуэлях GRPO-модель меньшего размера уверенно побеждает эту SFT-модель, поэтому корректное следование формату не означает сильной игровой стратегии. Лицензия — Apache-2.0.

Сценарии применения

  • выбор хода в дуэли с одновременным скрытым выбором
  • анализ истории ходов соперника
  • генерация игрового ответа в формате JSON
  • создание англо-хинди игровых диалогов с переключением языков

Ограничения

В тесте форматирования при жадном декодировании корректными были 18 из 20 ответов; для игрового режима README рекомендует выборочное декодирование с температурой не ниже 0,7. В дуэлях GRPO-модель меньшего размера заметно превосходила эту SFT-модель.

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

The Mind of Tashi — mini student

Our custom qwen3.5-MoE (≈1B total / 610M active parameters), fine-tuned on the mind-of-tashi-selfplay corpus to play the blind-commit duel: read the opponent's move history, reason in an English + Hindi/Sanskrit (IAST) code-switched register inside <think>…</think>, then commit one legal move as JSON.

Its sibling is the micro student (0.4B total / 200M active) — the mini fields ~3× the active parameters, and the two can duel each other live in the game Space's self-play mode.

Fine-tune

LoRA r=32 / α=64 over the attention + MLP projections (q/k/v/o + gate/up/down), dropout 0.05, LR 2e-5 cosine with 10% warmup, bf16, seq 4096, completion-only loss, effective batch 16. The bare adapter ships at mind-of-tashi-mini-sft-lora; this repo is the merged model.

Format gate

20 unseen game states across all 10 ladder personas; a reply is valid only if it has a <think> block, parseable {"move", "taunt"} JSON, and a legal move:

DecodeValid
greedy18/20
sampled (temp 0.8, top_p 0.9 — the game's regime)20/20

Head-to-head vs the GRPO micro

Watch-mode duels on the deployed Space (mini as challenger, GRPO micro as the house mind): the 200M-active GRPO model beats this 610M-active SFT model decisively. Imitation learns the format; reinforcement learns the game. Reproduce it: open the Space, pick "Tashi mini SFT" in the self-play picker, and watch.

Use

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("build-small-hackathon/mind-of-tashi-mini-sft",
                                         torch_dtype="bfloat16", trust_remote_code=True)
# sample at temperature >= 0.7 — greedy decoding can loop on small models

Part of the Mind of Tashi bundle (Build Small Hackathon, Track Two) — see the collection.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
e8b1679

0 моделей