/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
19 сен 2026

systemone-lite-0.5b

Генерация текстаТекст → текст3 профессии

Компактная дообученная Qwen2.5 модель для локальных экспериментов по выбору действий и генерации текста в игровых и пространственных задачах.

2 041скачиваний за 30 дней0лайковвеса обновлены26 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

systemone-lite-0.5b — компактная модель для выбора действий и принятия решений, разработанная dwidlee и обученная дообучением Qwen/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная языковая модель Qwen2, рассчитанная на диалоговый режим и генерацию текста; число параметров — 494 млн, контекст — до 32 768 токенов. Модель обучали на наборах systemone-lite, в том числе для ранжирования заданных вариантов ответа в игровых и пространственных задачах.

Её используют для локальных экспериментов с выбором допустимого действия в шахматах, Connect4, Sokoban, 2048, gridworld, а также в задачах распределения ресурсов и обработки билетов. В README приведены результаты закрытых проверок на отложенных данных и JevBench; автор отдельно отмечает, что модель не является Jev и использует собственный путь оценки вариантов.

Ограничения существенны для практического применения: автор рекомендует модель для демонстраций и локальных экспериментов, а не для производственного сервиса принятия решений. Калибровка вероятностей посредственная, пространственное планирование остаётся слабым, а оценка предполагает заранее заданные варианты и сопоставление символов с токенами. Лицензия — Apache-2.0.

Сценарии применения

  • выбор допустимого хода в Connect4
  • оценка шахматных действий из заданного списка
  • выбор направления в Sokoban и 2048
  • принятие решений в gridworld-сценариях
  • ранжирование вариантов в задачах распределения ресурсов и обработки билетов

Ограничения

Автор позиционирует модель для демонстраций и локальных экспериментов, а не для производственного сервиса; калибровка вероятностей посредственная, а навыки пространственного планирования ограничены. Она оценивает заранее заданные варианты, и её показатели не следует считать официальным результатом JevBench.

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

systemone-lite-0.5b

Current published weights for systemone-lite: a local System One–compatible decision model on Qwen/Qwen2.5-0.5B-Instruct.

Not affiliated with TypeSafe AI or Jev.

BaseQwen/Qwen2.5-0.5B-Instruct (cold SFT)
Runaction-v2-qwen · 10 000 steps · LR 1e-5 cosine · stratified
Train datadwidlee/systemone-lite-phase2 (240 800 / 4 700; 0% train∩test)
Servingoption-restricted next-token scoring (closed criteria / yes–no / score)

This repo is the stable name. New training runs overwrite these weights — do not expect a new Hub repo per experiment.

Training notes (this revision)

  • Chess: staged piece + destination (staged_v1, option caps ≤8).
  • Spatial gyms: action_v2 legal-only options (Connect4 drop≤3 + win_now; alerts retained).
  • Sokoban eval deadlock alerts balanced 50/50 (train-time mid-run patch; see postmortem).
  • Write-up: repo docs/NOTE_ACTION_V2_QWEN_POSTMORTEM.md.

Use

pip install -e ".[dev]"   # from the systemone-lite repo
systemone-lite --model dwidlee/systemone-lite-0.5b --port 8000
from systemone_lite import SystemOneClient, choice, noul, score

client = SystemOneClient(model="dwidlee/systemone-lite-0.5b")
response = client.system_one(
    state="My card was charged twice.",
    questions={
        "needs_review": noul("Does this need a human agent?"),
        "route": choice(
            "Route to a team",
            {"billing": "charges", "technical": "bugs", "other": None},
        ),
        "urgency": score("Urgency", ["low", "medium", "high"]),
    },
)
print(response.answers["route"].choice)

Performance (local, 2026-09-26)

Alias-shuffle held-out on Hub test + public JevBench. Not an official leaderboard submission. n=800 SE ≈ ±1.8%p; n=231 SE ≈ ±3%p — treat small deltas as noise.

Phase2 held-out (test, n=4700)61.6%
First-800 protocol (n=800)63.9%
JevBench public (231 tasks, T=1.0)50.7% acc · ECE 0.245 · p50 13.1 ms
Short payloads~10–30 ms typical (consumer GPU, in-process)

Uniform-random on the JevBench set is ~32% (many 4–5-way items), not 50%.

Per-gym on full test (weak → strong): game2048 34.6% · sokoban 38.2% · chess 42.0% · gridworld 45.6% · connect4 47.0% · CA 50.5% · debate/word ~87% · cloze 89% · alloc/ticket ≥98%.

Reports in the GitHub repo:

  • benchmarks/phase2_heldout__action_v2_qwen.json
  • benchmarks/jevbench_action_v2_qwen.json
  • benchmarks/latency_vs_ar.json (latency methodology; older run)

Limits

  • 0.5B — demos / local experiments, not a production decision service.
  • Calibration is mediocre — do not trust probabilities as calibrated confidence.
  • Not Jev — different weights, scoring path, and confidence formula.
  • Closed-option scoring — ranks given symbols (usually one vocab id each); JSON option keys are mapped after scoring.
  • Spatial planning (2048 / sokoban direction / chess piece) remains far from solved.
  • Use dataset test for held-out eval — never score on train.

Links

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
4214f92

0 моделей