/ 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-CatalanNumberMod-step149

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen2.5-1.5B-Instruct, дообученная GRPO на CatalanNumberMod для экспериментов с on-policy-дистилляцией.

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-CatalanNumberMod-step149 — компактная языковая модель на базе Qwen2.5-1.5B-Instruct, разработанная в проекте RLVE. Это контрольная точка учительской модели, дообученной методом GRPO на среде CatalanNumberMod с нулевым уровнем сложности; она предназначена для эксперимента по дистилляции с обучением на собственных траекториях в 32 средах. Модель использует плотную архитектуру Qwen2, содержит 1,5 млрд параметров и принимает текст, генерируя текст. Контекст составляет до 32 768 токенов; карточка указывает английский язык и интерфейс диалога.

Модель подходит для изучения и воспроизведения экспериментов по on-policy-дистилляции на задаче CatalanNumberMod. README сообщает о 150 обновлениях обучения и проверке преобразованных весов safetensors по именам и формам тензоров базовой модели. Это специализированный экспериментальный чекпойнт, поэтому карточка не подтверждает качество для широких прикладных сценариев. Лицензия — Apache 2.0, согласно метаданным; в репозитории также включена лицензия исходной модели Qwen.

Сценарии применения

  • исследование on-policy-дистилляции языковых моделей
  • воспроизведение эксперимента GRPO на CatalanNumberMod
  • генерация ответов в диалоговом формате для экспериментов

Ограничения

Чекпойнт обучен на CatalanNumberMod с нулевым уровнем сложности и заявлен для эксперимента по дистилляции; README не приводит оценок качества для широких задач.

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-CatalanNumberMod-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the CatalanNumberMod 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
d72ef89

0 моделей