Это экспериментальный текстовый учитель на базе Qwen2.5-1.5B-Instruct, обученный David Heineman с помощью GRPO и RLVE в среде Axis_KCenter на сложности 0. Модель предназначена для эксперимента по on-policy дистилляции с 32 средами, а не для универсального диалогового применения.

Чекпойнт соответствует 150-му обновлению обучения. Веса преобразованы из исходного чекпойнта в формат Hugging Face safetensors и проверены на соответствие именам и размерам тензоров базовой модели. Это плотная авторегрессионная архитектура Qwen2 с 1,5 млрд параметров и контекстом 32 768 токенов; метаданные также указывают поддержку чата и интерфейс вызова инструментов.

Модель принимает текст и генерирует текст. Язык карточки — английский. Специализация на одной среде и нулевой сложности, а также экспериментальный характер обучения ограничивают перенос результатов на другие задачи; качество и надёжность для общего применения не заявлены. Лицензия — Apache-2.0.