/ 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-FractionalProgramming-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный GRPO на задачах FractionalProgramming для экспериментов с on-policy дистилляцией.

158скачиваний 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-FractionalProgramming-step149 — языковая модель Qwen2.5-1.5B-Instruct, дообученная David Heineman с помощью GRPO и RLVE на среде FractionalProgramming с нулевым уровнем сложности. Это финальный чекпойнт после 150 обновлений, подготовленный для эксперимента по on-policy дистилляции с 32 средами. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и принимает текстовые запросы для генерации текста; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык, а метаданные — поддержку диалогового режима и интерфейса вызова инструментов.

Модель предназначена прежде всего для экспериментов с обучением и дистилляцией на задачах среды FractionalProgramming. Она унаследовала основу Qwen2.5-1.5B-Instruct и распространяется в формате safetensors; используется лицензия Apache-2.0, включающая исходную лицензию Qwen. Карточка не приводит результатов оценки качества, поэтому она не подтверждает пригодность чекпойнта для широкого практического применения.

Сценарии применения

  • Эксперименты с on-policy дистилляцией языковых моделей
  • Генерация ответов в задачах среды FractionalProgramming
  • Оценка поведения модели на задачах оптимизации дробных функций

Ограничения

Чекпойнт обучен только 150 обновлениями на среде FractionalProgramming с нулевым уровнем сложности; результаты оценки качества не приведены. Его пригодность для задач за пределами этого эксперимента не установлена.

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-FractionalProgramming-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the FractionalProgramming 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
beb6b48

0 моделей