/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
16,1 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
23 сен 2026

qwen3-4b-musical-instruments-full-sft-shared-20260923

Генерация текстаТекст → текст3 профессии

Полноразмерная дообученная Qwen3-4B генерирует JSON-подборки названий музыкальных инструментов и товаров по запросу.

142скачиваний за 30 дней0лайковвеса обновлены23 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 полноразмерная SFT-модель flavianv на архитектуре Qwen3-4B, дообученная для генерации подборок музыкальных инструментов и сопутствующих товаров по запросу. Она обучена на 8 937 положительных примерах из раздела Musical_Instruments датасета iaouali/amazon-benchmark и выдаёт названия товаров в JSON-объекте с массивом titles. Модель содержит около 3,7 млрд параметров, поддерживает диалоговый формат и контекст до 40 960 токенов; веса сохранены в FP32, для инференса их можно загрузить в BF16.

В описанной в карточке проверке выбранный чекпойнт повысил покрытие эталонных товаров относительно базовой модели, но точность формата снизилась. Проверка проведена на 100 запросах, использованных также для выбора чекпойнта, поэтому результаты не являются независимой финальной оценкой. Генерируются названия, а не подтверждённые идентификаторы товаров: для сопоставления с каталогом нужен отдельный поиск. Модель не содержит reward head; возможны дубли, неверное число товаров и некорректный JSON. Лицензия в предоставленных данных не указана.

Сценарии применения

  • подбор музыкальных инструментов по запросу покупателя
  • генерация списка подходящих товаров из музыкального каталога
  • создание нескольких вариантов товарной подборки
  • формирование JSON-списка названий товаров для последующего поиска по каталогу

Ограничения

Оценка проведена на 100 запросах, которые использовались при выборе чекпойнта, и не является независимым финальным тестом. Возможны дубли, неверное число товаров и некорректный JSON; названия требуют отдельного сопоставления с каталогом, а идентификаторы товаров модель не выдаёт.

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

Qwen3-4B Musical Instruments full-parameter SFT

Selected checkpoint 420, epoch 0.7518 from a one-epoch positive-only SFT run. This repository contains the complete model, not a LoRA adapter or a reward scoring head. All 4,022,468,096 parameters were trained; stored weights are FP32 and can be loaded in BF16 for inference.

Training

Base: Qwen/Qwen3-4B, revision 1cfa9a7208912126459214e8b04321603b3df60c. Data: 8,937 positive query/bundle examples from iaouali/amazon-benchmark, Musical_Instruments/shared_train.jsonl, revision dff21e0663b474d85ee5a02ee0711f67c87471d9. Source SHA256: e98a10ff28bcb2aebed785e49b00531b1e6ad5dba45061e33aedb0aad6224629. Targets contain JSON {"titles": [...]} with catalog product titles; completion-only, token-mean causal cross-entropy including EOS. No ranking loss. Learning rate 5e-6, AdamW, cosine decay, 3% warmup, effective batch 16 (microbatch 2, accumulation 8), seed 42, gradient clipping 1, gradient checkpointing, BF16 forward with FP32 parameters. Full run: 559 updates, 26 minutes 5 seconds on a B200 MIG 3g.90gb.

Validation and selection

The same 100 held-out queries were evaluated at baseline and every quarter epoch, with four generated bundles per query. Selection used best-of-four micro reference coverage. Checkpoint 420 ties the final checkpoint on coverage and was retained as the earlier best; it also has fewer invalid outputs.

MetricUntuned baseSelected SFT
Queries with a reference match in any of four bundles21%50%
Best-of-four matched products / reference products23/347 = 6.63%65/347 = 18.73%
Individual bundles with at least one reference match48/400 = 12%106/400 = 26.5%
All-attempt matches / reference slots52/1388 = 3.75%126/1388 = 9.08%
Matches / returned product IDs52/1362 = 3.82%126/1306 = 9.65%
Valid bundles393/400 = 98.25%382/400 = 95.5%

Best-of-four chooses the candidate with maximum reference-ID intersection, not reward-model selection. Invalid outputs get zero matches; all attempts remain in the bundle/reference-slot denominators. Returned-ID precision excludes missing IDs from its denominator. References repeat four times for all-attempt recall. These are development validation results, not an independent final test; checkpoints were selected on this 100-query subset, and likelihood was measured on all 507 old held-out queries. No exact normalized-query or positive-product-set overlap was found between the 8,937 training rows and the old holdout; user-level independence was not established.

Generation uses the saved chat template with enable_thinking=False, temperature .7, top-p .9, top-k 20, max 512 new tokens, seed 7042, and four samples. The prompt explicitly supplies the reference bundle cardinality to both models. Titles are mapped through the same pinned semantic catalog retriever, which chooses the nearest unused product ID for each title. This enforced ID uniqueness is not proof of semantic non-repetition. Evaluation prompt and retrieval details are included in evaluation_recipe.json.

Limitations

Coverage improved, but validity declined: selected checkpoint has 12 duplicate-title, 3 wrong-count and 3 invalid-JSON failures out of 400 attempts, including two length-capped outputs. No scalar reward head is included. Product titles are generated text, not authoritative catalog IDs; inference requires catalog retrieval to reproduce the reported metrics. Outputs are not guaranteed correct or complete. Raw examples, private logs, optimizer state and credentials are excluded.

Loading

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "flavianv/qwen3-4b-musical-instruments-full-sft-shared-20260923"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype=torch.bfloat16, device_map="auto")

Training implementation: https://github.com/clijo/reco-rl/tree/e2d1dd7

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1d6b019

0 моделей