/ Модель

Характеристики

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

Qwen3-4B-Instruct-2507-Chess-Reasoning-SFT-v2

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-4B Instruct модель для диалоговой генерации текста с заявленной ориентацией на рассуждения о шахматах.

17скачиваний за 30 дней0лайковвеса обновлены11 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

Это дообученная на базе Qwen/Qwen3-4B-Instruct-2507 модель с плотной архитектурой Qwen3 и 3,7 млрд параметров. Она предназначена для генерации текста в диалоговом формате и может использоваться через библиотеку Transformers; карточка указывает обучение с помощью TRL.

Название репозитория указывает на настройку для рассуждений о шахматах, однако README не описывает датасет, методику обучения или подтверждённое качество в этой области. Модель принимает текстовые запросы и генерирует текст; унаследованный от базовой модели контекст составляет до 262 144 токенов. Файлы представлены в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • ответы на вопросы о шахматных позициях
  • объяснение шахматных ходов и вариантов
  • диалоговые ответы на текстовые запросы
  • генерация текста в формате чата

Ограничения

Шахматная специализация следует из названия модели, но в карточке не приведены обучающие данные, оценки качества или результаты тестирования. Лицензия в предоставленных сведениях не указана.

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 output-Qwen3-4B-Instruct-2507

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="None", 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 SFT.

Framework versions

  • TRL: 1.5.1
  • Transformers: 4.57.6
  • Pytorch: 2.10.0
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

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

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
bc68b91

0 моделей