/ 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-Differentiate-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный GRPO для роли учителя в исследовании on-policy дистилляции.

161скачиваний 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-Differentiate-step149 — компактная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, разработанная как экспериментальный учительский чекпойнт для исследовательской работы David Heineman. Она основана на Qwen/Qwen2.5-1.5B-Instruct и дообучена методом GRPO с RLVE в среде Differentiate при сложности 0; чекпойнт соответствует 150-му обновлению обучения.

Модель предназначена для эксперимента по дистилляции on-policy с 32 средами и может генерировать диалоговые и другие текстовые ответы. Она принимает текст и выдаёт текст; заявленный контекст составляет 32 768 токенов. Веса конвертированы из исходного чекпойнта в формат Hugging Face safetensors и проверены на соответствие базовой модели по именам и размерам тензоров.

Это промежуточный экспериментальный результат обучения, поэтому карточка не подтверждает качество для обычного пользовательского применения. Лицензия — Apache-2.0, унаследованная от исходной модели Qwen.

Сценарии применения

  • генерация ответов в экспериментах on-policy дистилляции
  • получение учительских ответов в среде Differentiate
  • сравнение поведения чекпойнтов при обучении GRPO

Ограничения

Чекпойнт обучен лишь на 150 обновлениях в конкретной экспериментальной среде и не заявлен как проверенная модель общего назначения. Обучение описано для английского языка; пригодность для других языков 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-Differentiate-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the Differentiate 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
41e003d

0 моделей