/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Размер весов
3,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
28 сен 2026

opd-teacher-Q2.5I-CampsitePuzzle-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, обученный GRPO для экспериментов по on-policy дистилляции в среде CampsitePuzzle.

162скачиваний за 30 дней0лайковвеса обновлены28 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

opd-teacher-Q2.5I-CampsitePuzzle-step149 — экспериментальный чекпойнт на базе Qwen2.5-1.5B-Instruct, обученный David Heineman с помощью RLVE и GRPO для среды CampsitePuzzle на нулевом уровне сложности. Он предназначен для эксперимента по on-policy дистилляции с 32 параллельными средами.

Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текст, выдавая текст. Контекст — до 32 768 токенов; в метаданных указан английский язык. Весы сохранены в safetensors и преобразованы из итогового нативного чекпойнта в формат Hugging Face.

Подходящие сценарии — исследование и воспроизведение экспериментов с обучением учителя и on-policy дистилляцией в CampsitePuzzle. Это специализированный чекпойнт после 150 обновлений, а не универсальная модель для решения широкого круга задач; качество за пределами описанной среды не подтверждено. Лицензия — Apache 2.0, как у исходной модели.

Сценарии применения

  • исследование on-policy дистилляции языковых моделей
  • использование модели-учителя в эксперименте CampsitePuzzle
  • воспроизведение обучения GRPO на головоломках CampsitePuzzle

Ограничения

Чекпойнт обучен только для CampsitePuzzle на нулевом уровне сложности; применимость к другим средам и задачам не подтверждена. Эксперимент длился 150 обновлений, поэтому модель следует считать исследовательским экспериментальным артефактом.

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

opd-teacher-Q2.5I-CampsitePuzzle-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the CampsitePuzzle environment at difficulty 0. It is intended for the 32-environment on-policy distillation experiment.

The model was trained for 150 updates with GRPO. step149 is the final, zero-based checkpoint index (the 150th update). The weights were converted from the final native checkpoint to Hugging Face safetensors and validated against the base model's tensor names and shapes.

The original Qwen license is included in LICENSE.

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
638fd04

0 моделей