/ 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-LargestConvexPolygon-step149

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen2.5-1.5B-Instruct, дообученная для решения задачи LargestConvexPolygon и использования в эксперименте on-policy дистилляции.

160скачиваний 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

Это экспериментальная языковая модель Qwen2.5-1.5B-Instruct, дообученная Дэвидом Хайнеманом с помощью RLVE и GRPO для среды LargestConvexPolygon на уровне сложности 0. Она создана как учитель для эксперимента по дистилляции on-policy в конфигурации с 32 средами и предназначена для генерации ответов в ходе этой задачи.

Сценарии применения

  • генерация ответов для среды LargestConvexPolygon
  • создание учительских ответов для эксперимента on-policy дистилляции
  • изучение дообучения языковых моделей методом GRPO

Ограничения

Обучена только для LargestConvexPolygon на уровне сложности 0 и рассчитана на роль учителя в конкретном эксперименте; универсальные возможности и качество вне этого сценария не описаны.

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-LargestConvexPolygon-step149

This is a Qwen2.5-1.5B-Instruct teacher trained with RLVE on the LargestConvexPolygon 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
f0c7738

0 моделей