/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
20 июн 2026

qwen3-4b-instruct-2507-bf16-reco-grpo-b200-clear-indigo-willow

Генерация текстаТекст → текст6 профессий

Дообученная Qwen3 на 3,7 млрд параметров для диалоговой генерации текста и ответов на запросы.

9скачиваний за 30 дней0лайковвеса обновлены20 июн 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

Это дообученная модель Qwen3-4B-Instruct-2507, созданная clijo с использованием TRL. Она предназначена для генерации текста в диалоговом формате и ответа на пользовательские запросы; её можно подключать через Transformers для чат-сценариев. Модель плотная, содержит 3,7 млрд параметров и принимает контекст длиной до 262 144 токенов.

Модель дообучена методом GRPO, о чём свидетельствуют метаданные и название репозитория. В карточке не описаны целевая задача оптимизации, сравнительные результаты или ограничения качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы в чате
  • ведение диалога с пользователем
  • генерация текста по запросу
  • следование инструкциям в текстовом интерфейсе

Ограничения

Карточка не приводит оценки качества, сравнений или ограничений по сценариям применения. Языки и лицензия не указаны в предоставленных данных.

Для каких профессий подходит6

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

Model Card for qwen3-4b-instruct-2507-bf16-reco-grpo-b200-clear-indigo-willow

This model is a fine-tuned version of Qwen/Qwen3-4B-Instruct-2507. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="clijo/qwen3-4b-instruct-2507-bf16-reco-grpo-b200-clear-indigo-willow", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 1.5.1
  • Transformers: 5.9.0
  • Pytorch: 2.11.0+cu130
  • Datasets: 4.8.5
  • Tokenizers: 0.22.2

Citations

Cite GRPO as:

@article{shao2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
9095e3b

0 моделей