/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Опубликована
16 июн 2026

qwen4b-apparel23-bundle-sft

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-4B генерирует и оценивает по правдоподобию комплекты одежды для текстовых запросов о потребностях пользователя.

18скачиваний за 30 дней0лайковвеса обновлены30 июн 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

DeepShopper Reward V0 — модель на базе Qwen3-4B, дообученная командой flavianv на наборах одежды из Amazon Apparel 2023. Она генерирует комплект одежды в ответ на текстовое описание потребности; при оценке кандидатов используется правдоподобие их последовательности при принудительной подаче токенов, преобразованное в оценку на основе средней отрицательной логарифмической вероятности. Модель предназначена для сравнительной оценки комплектов одежды в рекомендациях, а не для универсальной оценки качества.

Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат safetensors. Метаданные указывают контекст до 262 144 токенов, интерфейс чата и задачу генерации текста. Лицензия — Apache-2.0. README описывает обучение на отобранных комплектах Amazon Apparel 2023 и применение в распределении, близком к обучающим данным.

Сценарии применения

  • подбор комплекта одежды по описанию потребности
  • ранжирование кандидатов на комплект одежды по правдоподобию
  • генерация подходящего образа из товарных позиций
  • оценка рекомендаций одежды на данных, близких к Amazon Apparel 2023

Ограничения

Оценка правдоподобия не равна качеству комплекта; модель не учитывает пол и рассуждения, а сигнал ориентирован на распределение Amazon Apparel и может плохо переноситься за его пределы. README указывает, что для различения комплектов её сменил pairwise-вариант V1.

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

DeepShopper Reward V0 — AMZ bundle likelihood judge (Qwen3-4B)

Reward V0 for DeepShopper: a Qwen3-4B SFT'd to generate the matching outfit bundle for a natural-language need (P(outfit | need)). Used as a reward via teacher-forced likelihood of a candidate outfit (100·exp(−mean NLL)), with hard gates (invalid / duplicate / role-category).

Code: https://github.com/clijo/reco-rl (branch outfit_bundle).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
a3a4f96

0 моделей