/ 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-EightDigitPuzzle-step149

Генерация текстаТекст → текст3 профессии

Экспериментальная языковая модель Qwen2.5-1.5B, дообученная методом GRPO на головоломке EightDigitPuzzle для экспериментов по дистилляции.

156скачиваний 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 opd-teacher-Q2.5I-EightDigitPuzzle-step149 создана David Heineman на базе Qwen/Qwen2.5-1.5B-Instruct и предназначена для эксперимента по дистилляции с обучением на среде EightDigitPuzzle. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, дообученная методом GRPO в рамках RLVE на уровне сложности 0; контрольная точка step149 соответствует 150-му обновлению.

Веса преобразованы из исходного чекпойнта в формат Hugging Face safetensors и проверены на соответствие базовой модели по именам и размерам тензоров. Модель принимает текст и генерирует текст; заявленный контекст — 32 768 токенов. В карточке указан английский язык. Лицензия — Apache-2.0, как у исходной Qwen.

Сценарии применения

  • генерация решений для задач среды EightDigitPuzzle
  • использование в качестве модели-учителя для on-policy дистилляции
  • исследование обучения языковых моделей методом GRPO
  • эксперименты с RLVE на задачах-головоломках

Ограничения

Обучена только на EightDigitPuzzle с уровнем сложности 0 и предназначена для эксперимента по дистилляции; качество на других задачах не описано. Чекпойнт отражает 150 обновлений обучения.

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-EightDigitPuzzle-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the EightDigitPuzzle 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
0cf6faa

0 моделей