Модель david heinеman/opd-teacher-Q2.5I-JugPuzzle-step149 — экспериментальный учительский чекпойнт на базе Qwen2.5-1.5B-Instruct, разработанный в проекте RLVE. Его обучали методом GRPO в среде JugPuzzle нулевой сложности для эксперимента по дистилляции on-policy с 32 средами; опубликован чекпойнт после 150 обновлений обучения.

Это плотная авторегрессионная языковая модель Qwen2 с 1,5 млрд параметров, принимающая текст и генерирующая текст. Контекст составляет до 32 768 токенов; доступна в формате safetensors для библиотеки Transformers. Карточка указывает английский язык. Модель предназначена для исследования обучения и дистилляции в задачах JugPuzzle, а не описана как универсальный помощник.

Веса дообучены от Qwen/Qwen2.5-1.5B-Instruct методом GRPO. Использование регулируется лицензией Apache 2.0, включённой от базовой модели. Чекпойнт прошёл проверку имён и форм тензоров относительно базовой модели; опубликованная карточка не приводит оценок качества решения головоломок.