/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-0.8B
Опубликована
19 сен 2026

qwen35-08b-spell-m7-distill

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Qwen3.5 исправляет одно отмеченное ошибочное слово в предложении и возвращает его правильное написание.

493скачиваний за 30 дней0лайковвеса обновлены19 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

ctalau/qwen35-08b-spell-m7-distill — текстовая модель исправления орфографии, разработанная Cristian и основанная на Qwen/Qwen3.5-0.8B. Это дообученный QLoRA-студент, дистиллированный с модели-преподавателя Qwen/Qwen3.5-2B на ошибках слов из BEA-60K; LoRA-адаптер объединён с базовыми весами. Модель принимает предложение с одной отмеченной ошибкой и возвращает только правильное написание заменяемого слова.

В тестах на данных BEA указана точность Acc@1 с приведением регистра 89,0% на замороженном наборе BEA-100 и 87,30% на тесте из 2 000 примеров. Для генерации рекомендуется жадное декодирование, около пяти выходных токенов и контекст 2 048–8 192 токена. Несмотря на мультимодальную архитектуру базовой модели, этот чекпойнт предназначен для текстовой коррекции орфографии.

Весовой файл — объединённый чекпойнт fp16 размером около 1,6 ГиБ; лицензия — Apache-2.0. Модель рассчитана на исправление одного отмеченного ошибочного слова в предложении, поэтому карточка не подтверждает исправление нескольких ошибок или переписывание текста целиком.

Сценарии применения

  • исправление одного отмеченного опечатанного слова в предложении
  • автоматическая коррекция орфографии в пользовательском тексте
  • проверка написания слов в коротких сообщениях
  • встраивание корректора опечаток в текстовый интерфейс

Ограничения

Модель предназначена для исправления одного отмеченного ошибочного слова за запрос; результаты метрик приведены для наборов BEA. Рекомендуется ограничивать контекст 2 048–8 192 токенами и использовать жадную генерацию с коротким выводом.

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

qwen35-08b-spell-m7-distill

Merged fp16 checkpoint of Cristian's M7 spelling corrector: a Qwen/Qwen3.5-0.8B QLoRA student distilled from the M6 Qwen/Qwen3.5-2B teacher (token-level KD on BEA-60K word errors), then LoRA-merged back into the base.

Task

Given a sentence with one misspelled word marked <TYPO>…</TYPO>, return only the correctly spelled replacement word (greedy, ~5 tokens max).

Prompt template (direct_correct_v1)

You are a spelling corrector. The sentence below has one misspelled word marked with <TYPO>…</TYPO>. Reply with ONLY the correctly spelled replacement word — no quotes, no explanation, no full sentence.

Sentence: {{SENTENCE}}

Example: I started <TYPO>crimbimg</TYPO> the wall. → climbing

Metrics (BEA, sentence-disjoint holds)

SystemSplitAcc@1 casefold
Student 0.8B NF4 (this lineage)frozen BEA-10089.0%
Student 0.8B NF4test n=2,00087.30%
Student 0.8B Q4_K_M GGUFfrozen BEA-10088.0%
Student 0.8B Q4_K_M GGUFtest n=2,00086.60%

Teacher (2B NF4) is ~88.75% casefold at n=2,000 — the student recovers nearly all of it.

Serving notes

  • Keep context modest (MAX_MODEL_LEN 2048–8192); do not use the base's 262k window.
  • Prefer greedy / temperature=0, max_tokens≈5.
  • Qwen3.5 chat templates may open a <think> block — disable reasoning / strip think tags when serving with chat templates.

Files

  • model.safetensors — merged weights (fp16, ~1.6 GiB), MTP head retained
  • Tokenizer + config.json from Qwen/Qwen3.5-0.8B

vLLM serving tip

Qwen3.5-0.8B is a multimodal architecture. For text-only spelling correction, serve with:

vllm serve ctalau/qwen35-08b-spell-m7-distill --language-model-only --max-model-len 2048

preprocessor_config.json / video_preprocessor_config.json are included from the base so the processor can load if multimodal profiling is not disabled.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
d01401c

0 моделей