/ 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-DeltaMinPopcount-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный учитель Qwen2.5-1.5B-Instruct, дообученный GRPO для задач среды DeltaMinPopcount и исследований on-policy дистилляции.

159скачиваний 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-DeltaMinPopcount-step149 — компактная плотная языковая модель Qwen2.5-1.5B-Instruct, дообученная Дэвидом Хайнеманом с помощью GRPO в среде DeltaMinPopcount на нулевом уровне сложности. Это финальный чекпойнт после 150 обновлений, подготовленный как учитель для эксперимента по on-policy дистилляции с 32 средами. Модель предназначена для генерации текста и диалогового взаимодействия в рамках этой экспериментальной задачи.

Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и принимает текст; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык. Весовые файлы представлены в формате safetensors и проверены на соответствие именам и формам тензоров базовой модели. Распространяется по лицензии Apache-2.0; в README также указано, что включена исходная лицензия Qwen. Результаты обучения ограничены средой DeltaMinPopcount с нулевой сложностью и 150 обновлениями, поэтому карточка не подтверждает качество в широком круге задач.

Сценарии применения

  • эксперименты с on-policy дистилляцией языковых моделей
  • генерация ответов в среде DeltaMinPopcount
  • изучение влияния GRPO на поведение инструктивной модели

Ограничения

Обучена только на DeltaMinPopcount с нулевой сложностью и прошла 150 обновлений; README описывает её как учителя для эксперимента по дистилляции, а не как универсальную модель. Карточка не приводит оценок качества на общих задачах.

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-DeltaMinPopcount-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the DeltaMinPopcount 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
6115e78

0 моделей