/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-9B
Библиотека
gguf
Опубликована
14 авг 2026

icdu_dpo_qwen3.5_9b_v2

Генерация текстаТекст → текст3 профессии

Квантованная текстовая модель Qwen3.5, дообученная для англоязычного коучингового диалога и выбора инструментов.

108скачиваний за 30 дней2лайкавеса обновлены8 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.

  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

Модель cds1/icdu_dpo_qwen3.5_9b_v2 разработана Overture System Solutions на базе Qwen/Qwen3.5-9B. Это текстовая причинная языковая модель, дообученная в два этапа: сначала на инструкциях и материалах по коучингу, затем методом DPO на примерах выбора инструментов. Адаптеры объединены с базовыми весами, после чего модель преобразована в GGUF и квантована до Q4_K_M для запуска в llama.cpp.

Модель предназначена для диалоговых ответов на английском языке по темам повседневной жизни и работы, а также для задач, где требуется выбрать подходящий инструмент. В репозитории указаны 9 млрд параметров, контекст до 262 144 токенов и архитектура Qwen3.5 с чередованием слоёв линейного и полного внимания. Размер файла GGUF — около 5,24 ГиБ; фактическое потребление памяти также зависит от KV-кэша и длины контекста.

Квантование уменьшает требования к памяти и позволяет запускать модель на совместимом CPU или GPU, но может снижать точность относительно исходных весов. Карточка описывает обучение выбора инструментов, однако не приводит независимых оценок качества. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы и рекомендации по привычкам и саморазвитию
  • коучинговые диалоги о повседневной жизни и работе
  • выбор подходящего инструмента в диалоговом сценарии
  • запуск англоязычного чат-ассистента через llama.cpp

Ограничения

Модель экспортирована в текстовом виде, поэтому анализ изображений базовой мультимодальной модели здесь недоступен. Квантование Q4_K_M может снизить точность, а независимые результаты оценки качества в карточке не приведены.

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

Model Card for icdu_qwen3.5_9b_dpo_merged_model-q4km

Q4_K_M GGUF quantization of a two-stage QLoRA fine-tune of Qwen/Qwen3.5-9B: supervised fine-tuning on ICDU-formatted coaching/instruction data (ICDU General Dataset v8), followed by Direct Preference Optimization for tool-selection behaviour, with both LoRA adapters merged before conversion.

Model Details

Model Description

This is the final artifact of the ai-factory QLoRA + DPO pipeline, built on August 12, 2026, exported to GGUF and quantized to Q4_K_M for llama.cpp-compatible runtimes.

Lineage: (1) a QLoRA LoRA adapter was trained on Qwen/Qwen3.5-9B with ICDU v8 instruction data and merged into the base weights (final_merged_model); (2) a second LoRA adapter was trained on that merged checkpoint with DPO on tool-selection preference pairs and merged again (dpo_merged_model, saved as a text-only Qwen3_5ForCausalLM checkpoint in float16 per its surviving config.json); (3) the merged DPO model was converted to GGUF and quantized to Q4_K_M (llama.cpp general.file_type 15, quantization version 2). The export is text-only; the chat template from the base tokenizer is preserved in the GGUF metadata.

  • Developed by: Overture System Solutions
  • Model type: Causal language model (QLoRA SFT + DPO fine-tune; GGUF Q4_K_M quantization)
  • Language(s) (NLP): English (en)
  • License: apache-2.0
  • Finetuned from model: Qwen/Qwen3.5-9B

Model Sources [optional]

How to Get Started with the Model

Use the code below to get started with the model.

# llama.cpp
llama-cli -m icdu_qwen3.5_9b_dpo_merged_model-q4km.gguf \
  -p "I keep failing to build a fitness habit. What should I do?" -cnv
# llama-cpp-python
from llama_cpp import Llama

llm = Llama(
    model_path="icdu_qwen3.5_9b_dpo_merged_model-q4km.gguf",
    n_ctx=8192,  # architecture supports up to 262,144
)
out = llm.create_chat_completion(messages=[
    {"role": "user", "content": "Help me plan my first dinner party."},
])
print(out["choices"][0]["message"]["content"])

Training Details

Training Data

SFT: ICDU General Dataset v8 - ICDU-formatted JSONL (icdu_training_data_v8.jsonl, 13,671 records; icdu_validation_data_v8.jsonl, 1,520 records). Each record carries the ten-field ICDU schema (persona archetype, governing principle, capability layer, user intent, context summary, prompt, ideal response, attributes, rationale outline) over life/work coaching topics derived from the 'Breaking Better' source corpus.

DPO: 900 chosen/rejected preference pairs generated from bb_training_data_v7.jsonl (tool-augmented chat data). Chosen responses contain the correct tool call; rejected responses either drop the tool call or invoke a synthetically chosen incorrect tool.

Training Procedure

Preprocessing [optional]

ICDU records were rendered to chat format - a system message carrying context, user intent, and persona, plus the user prompt and assistant response - with a 50% chance of persona-specific scenario perturbation; loss was computed on assistant completions only. DPO prompts used the [INST] ... [/INST] instruction format.

Training Hyperparameters

  • Training regime: bf16 mixed precision with a 4-bit (NF4) quantized base model for both stages (QLoRA).

Stage 1 - Supervised fine-tuning (SFT):

HyperparameterValue
epochs1
per_device_train_batch_size4
gradient_accumulation_steps2
learning_rate0.0002
lr_scheduler_typecosine
warmup_ratio0.03
weight_decay0.001
max_grad_norm0.3
optimizerpaged_adamw_8bit
max_sequence_length4096
lora_r32
lora_alpha32
lora_dropout0.05
lora_target_modulesq_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
quantization (train-time)4-bit NF4, double quantization
attentionflash_attention_2
evaluationevery 150 steps on eval_loss; best checkpoint kept
seed42

Stage 2 - Direct Preference Optimization (DPO), via TRL's DPOTrainer:

HyperparameterValue
max_steps100
learning_rate5e-06
beta0.1
lora_rank32
lora_alpha64
lora_dropout0.05
lora_target_modulesq_proj, v_proj
per_device_train_batch_size2
gradient_accumulation_steps2
optimizerpaged_adamw_8bit
lr_scheduler_typecosine
warmup_ratio0.03
max_length1024
quantization (train-time)4-bit NF4, double quantization

Speeds, Sizes, Times [optional]

MeasurementValue
GGUF file size5,629,108,544 bytes (~5.24 GiB)
QuantizationQ4_K_M (file_type 15, quantization_version 2)
Tensor count427
Build date2026-08-12

Wall-clock training time was not retained from the original run.

Technical Specifications

Model Architecture and Objective

From the GGUF header (general.architecture: qwen35) and the merged checkpoint's config.json (Qwen3_5ForCausalLM, model_type: qwen3_5_text): 9.0B parameters, 32 blocks - 24 linear-attention (Gated DeltaNet SSM: conv kernel 4, 16 key / 32 value heads, head dim 128) and 8 full-attention layers interleaved every 4th layer - hidden size 4096, FFN 12288, grouped-query attention (16 query / 4 KV heads, head dim 256, partial rotary factor 0.25), RoPE base 1e7 with interleaved mRoPE sections [11, 11, 10], context length 262,144, vocabulary 248,320. Source checkpoint dtype float16; GGUF v3.

Compute Infrastructure

[More Information Needed]

Hardware

~5.3 GiB for weights plus KV cache; fits fully offloaded on GPUs with 8 GB VRAM at moderate context, or runs on CPU.

Software

Python 3.12, PyTorch 2.5.1 (CUDA 12.4), transformers 5.12.1 (recorded in the merged checkpoint's config.json), TRL >=0.27 (DPOTrainer), PEFT >=0.18, bitsandbytes >=0.49, datasets >=4.5, as pinned by this repository's environment.yml at build time; GGUF conversion/quantization via llama.cpp (exact version not recorded).

Model Card Authors

Overture System Solutions (O.S.S.) - Jordan Martens, Samuel Conrad.

Model Card Contact

Jordan Martens jordan.martens@osscontact.com

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
314fd57

0 моделей