/ 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-Disinfection-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, обученный GRPO в среде Disinfection для экспериментов 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

Модель david heineman opd-teacher-Q2.5I-Disinfection-step149 — экспериментальный учительский чекпойнт на базе Qwen2.5-1.5B-Instruct, разработанный David Heineman. Она обучалась методом GRPO с использованием RLVE в среде Disinfection на уровне сложности 0 и предназначена для эксперимента по on-policy-дистилляции в 32 средах. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors для Transformers. Модель принимает текст и генерирует текст, поддерживает диалоговый интерфейс и интерфейс вызова инструментов; в карточке указан английский язык.

Чекпойнт отражает 150 обновлений обучения и является финальным индексом step149 в этом запуске. Он подходит для исследований дистилляции политики и экспериментов в среде Disinfection, но карточка не приводит результатов оценки качества или подтверждений пригодности для общего применения. Лицензия — Apache 2.0, унаследованная от базовой модели.

Сценарии применения

  • исследование on-policy-дистилляции языковых моделей
  • обучение учительских ответов для задач в среде Disinfection
  • эксперименты с GRPO и RLVE
  • генерация текстовых ответов в исследовательских сценариях

Ограничения

Это специализированный экспериментальный чекпойнт, обученный только 150 обновлениями в среде Disinfection на сложности 0; карточка не сообщает результатов оценки качества или пригодности 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-Disinfection-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the Disinfection 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
f650d2a

0 моделей