/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
14 июн 2026

Qwen3-4B-GRPO-Indo-Alpaca

Генерация текстаТекст → текст8 профессий

Дообученная методом GRPO модель Qwen3 с 3,7 млрд параметров для диалогов и выполнения инструкций на индонезийском и английском языках.

26скачиваний за 30 дней0лайковвеса обновлены15 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

Qwen3-4B-GRPO-Indo-Alpaca — языковая модель разработчика caffeinejunkie1 для диалогов и выполнения инструкций, адаптированная под индонезийский язык на основе Qwen3-4B. Это плотная причинная модель семейства Qwen3 с 3,7 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 40 960 токенов. В README описаны начальная настройка на инструкциях с использованием датасета Ichsan2895/alpaca-gpt4-indonesian и последующее выравнивание методом GRPO.

Модель предназначена для структурированных рассуждений, диалогового взаимодействия и следования сложным инструкциям, особенно на индонезийском языке; также поддерживается английский. Автор сообщает о предполагаемом улучшении следования ограничениям и снижении повторов по сравнению с вариантом Indo-Alpaca, но эти эффекты в карточке не подтверждены количественными оценками. Модель доступна в формате safetensors и распространяется по лицензии Apache 2.0.

Сценарии применения

  • ответы на сложные инструкции на индонезийском языке
  • диалоговый помощник для общения на индонезийском
  • формирование ответов в заданном формате
  • структурированные рассуждения на индонезийском языке

Ограничения

Заявленные улучшения следования инструкциям и снижение повторов не сопровождаются в карточке количественной оценкой. Модель ориентирована прежде всего на индонезийский язык; английский также указан как поддерживаемый.

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

Qwen3-4B-GRPO-Indo-Alpaca

Model Description

Qwen3-4B-GRPO-Indo-Alpaca is an aligned instruction-following model tailored for the Indonesian language. While relying on the Qwen3-4B architecture, this version goes beyond standard supervised fine-tuning by utilizing Group Relative Policy Optimization (GRPO). This reinforcement learning technique optimizes the model's generation policy to improve reasoning clarity, reduce hallucinations, and better align with human preferences in Indonesian contexts.

  • Developer: caffeinejunkie1
  • Base Model: Qwen3-4B
  • Language(s): Indonesian (Primary), English
  • Model Type: Causal Language Model (Aligned via GRPO)
  • License: Apache License 2.0

Training Methodology

  1. Supervised Fine-Tuning (SFT): Initial instruction tuning using the Ichsan2895/alpaca-gpt4-indonesian dataset.
  2. Alignment via GRPO: The model was further optimized using Group Relative Policy Optimization. Unlike standard PPO, GRPO eliminates the need for an external reward model during policy updates by using relative scoring within generated groups, making the alignment process highly efficient while improving instruction adherence.

Intended Use

  • Primary Use Cases: Tasks requiring structured reasoning, safe conversational interactions, and strict adherence to complex formatting instructions in Indonesian.
  • Advantages over SFT: Expected to exhibit less repetitive looping and better adherence to conversational constraints compared to the standard Indo-Alpaca variant.

How to Use

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "caffeinejunkie1/Qwen3-4B-GRPO-Indo-Alpaca"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "system", "content": "Anda adalah asisten AI yang logis dan akurat."},
    {"role": "user", "content": "Berikan 3 alasan utama mengapa arsitektur MVVM sering digunakan dalam pengembangan aplikasi."}
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512,
    temperature=0.7,
    top_p=0.9
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
9b10c6a

0 моделей