/ 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-Cornfield-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, обученный GRPO для роли учителя в on-policy дистилляции в среде Cornfield.

163скачиваний 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

Это экспериментальная версия Qwen2.5-1.5B-Instruct, дообученная David Heineman с помощью GRPO в среде Cornfield с уровнем сложности 0. Модель создана как учитель для эксперимента по on-policy дистилляции в 32 средах и представляет собой финальный чекпойнт после 150 обновлений.

Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых ответов. Она содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; чекпойнт преобразован из исходного формата обучения и проверен на соответствие базовой модели по именам и формам тензоров.

Основное назначение — экспериментальная дистилляция политики в среде Cornfield; карточка не подтверждает качество для широких пользовательских задач. Поддерживается английский язык. Лицензия — Apache 2.0, унаследованная от базовой модели.

Сценарии применения

  • генерация ответов в эксперименте по дистилляции политики
  • использование в качестве модели-учителя в 32-средовом on-policy эксперименте
  • диалоговая генерация текста на английском языке

Ограничения

Чекпойнт обучен только 150 обновлений в среде Cornfield на сложности 0 и предназначен для экспериментальной дистилляции; его пригодность для общих задач не подтверждена.

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-Cornfield-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the Cornfield 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
c6ee096

0 моделей