/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
19 фев 2026

brie-v2-qwen2.5-3b

Генерация текстаТекст → текст

Англоязычная чат-модель на базе Qwen2.5-3B-Instruct для генерации философских и творческих текстов.

489скачиваний за 30 дней0лайковвеса обновлены3 окт 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

Brie v2 Qwen 2.5 3B — полноразмерная версия весов, созданная объединением LoRA-адаптера closestfriend/brie-v2-3b с Qwen/Qwen2.5-3B-Instruct. Модель разработана для генерации текста в философском и творческом стиле на английском языке, в том числе для диалоговых сценариев.

Это удобный для развёртывания вариант адаптера: он загружается напрямую через Transformers и не требует PEFT во время инференса. Архитектура — плотная авторегрессионная Qwen2, размер — 3,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса safetensors.

Модель является исследовательским артефактом и не оценивалась отдельно от исходного адаптера; результаты статьи относятся к адаптеру и его процедуре оценки. Для фактических или важных решений ответы следует проверять независимо. Лицензия — Apache-2.0.

Сценарии применения

  • написание философских эссе и размышлений
  • создание художественных текстов в философском стиле
  • диалог о философских темах на английском языке

Ограничения

Модель не оценивалась отдельно от исходного адаптера, поэтому результаты его оценки нельзя считать отдельной оценкой этой сборки. Фактические ответы и выводы для важных решений следует проверять независимо.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Brie v2 Qwen 2.5 3B — merged distribution

This is a standalone full-weight distribution produced by merging the closestfriend/brie-v2-3b LoRA adapter into Qwen/Qwen2.5-3B-Instruct with PEFT's merge_and_unload() workflow.

It is a deployment convenience for the adapter lineage, not a separately evaluated result. The paper's raw evaluation provenance and canonical model reference point to the adapter repository: https://huggingface.co/closestfriend/brie-v2-3b.

Paper: Human-Curated Data Authoring with LLMs: A Small-Data Approach to Domain Adaptation.

Lineage

Qwen/Qwen2.5-3B-Instruct
  + closestfriend/brie-v2-3b (LoRA adapter)
  -> closestfriend/brie-v2-qwen2.5-3b (merged full weights)

The paper's reported Qwen 3B metrics describe outputs generated through the canonical adapter evaluation pipeline. Consult the adapter card and the paper's provenance ledger for the reconciled results and denominator policy; do not count this merged repository as an additional model experiment.

Use

Unlike the adapter repository, this checkpoint loads directly through Transformers and does not require PEFT at inference time.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "closestfriend/brie-v2-qwen2.5-3b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

This is a research artifact trained for an English-language philosophical and creative register. Verify factual or high-stakes output independently.

Resources

Citation

@misc{karman_brie_domain_adaptation,
  author = {Karman, Hunter N.},
  title = {Human-Curated Data Authoring with LLMs: A Small-Data Approach to Domain Adaptation},
  doi = {10.5281/zenodo.17657737},
  url = {https://doi.org/10.5281/zenodo.17657737}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
12a78a6

0 моделей