/ 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-HalvingChainCounting-step149

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, дообученный GRPO на задаче HalvingChainCounting для экспериментов по 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 разработана David Heineman как экспериментальная версия Qwen2.5-1.5B-Instruct, обученная с помощью RLVE и GRPO на среде HalvingChainCounting с уровнем сложности 0. Она предназначена для использования в эксперименте по on-policy дистилляции с 32 средами.

Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Веса финального чекпойнта после 150 обновлений конвертированы в формат Hugging Face safetensors.

Модель подходит для изучения поведения на задачах цепочного счёта с делением и для экспериментов по дистилляции. Чекпойнт обучался лишь на одной среде и одной сложности, поэтому его пригодность для широких диалоговых и прикладных задач не подтверждена. Распространяется по лицензии Apache 2.0.

Сценарии применения

  • эксперименты по on-policy дистилляции языковых моделей
  • генерация ответов в задаче цепочного счёта с делением
  • изучение влияния GRPO на поведение модели в среде HalvingChainCounting

Ограничения

Обучение проведено на одной среде HalvingChainCounting с уровнем сложности 0 и ограничено 150 обновлениями; качество на других задачах не подтверждено. Не следует считать модель универсальной заменой базовой Qwen2.5-1.5B-Instruct.

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-HalvingChainCounting-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the HalvingChainCounting 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
0191dfb

0 моделей