Uploaded finetuned model
- Developed by: developer2625
- License: apache-2.0
- Finetuned from model : unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit
This qwen2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 1,5 млрд
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- qwen2.5-1.5b-instruct-unsloth-bnb-4bit
- Опубликована
- 14 сен 2026
Ссылки
livro-1.5b-v1
Дообученная модель Qwen2 с 1,5 млрд параметров для генерации текста и диалогов на английском языке.
117скачиваний за 30 дней0лайковвеса обновлены14 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Livro 1.5B v1 — дообученная авторегрессионная языковая модель семейства Qwen2, опубликованная developer2625. Она создана на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit и предназначена для генерации текста и диалогового взаимодействия; в каталоге также отмечен интерфейс для вызова инструментов.
Модель содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Карточка указывает английский язык. Для обучения использовались Unsloth и библиотека TRL от Hugging Face; веса опубликованы в формате safetensors. Лицензия — Apache-2.0.
Карточка не приводит результаты оценки качества и подробностей обучающих данных, поэтому пригодность для конкретных задач нужно проверять отдельно. Размер модели ограничивает её возможности по сравнению с более крупными языковыми моделями.
Сценарии применения
- генерация ответов в англоязычном чат-боте
- черновики и продолжение английского текста
- диалоговое взаимодействие с интерфейсом вызова инструментов
Ограничения
В карточке не приведены результаты бенчмарков и подробности обучающих данных, поэтому качество для конкретных сценариев не установлено. Модель компактная — 1,5 млрд параметров.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- 157077e