Характеристики

Контекст: 32 768 токенов
Параметры: 14 млрд
Размер весов: 59,1 ГБ
Лицензия: Apache 2.0
Архитектура: qwen2 · dense
Базовая модель: Qwen2.5-14B-Instruct
Опубликована: 21 дек 2024

Ссылки

reasoning-1-1k-demo

Генерация текстаТекст → текст3 профессии

Демонстрационная модель Qwen2.5-14B, дообученная на наборе примеров рассуждений для генерации англоязычных ответов и ведения диалога.

32скачиваний за 30 дней1лайквеса обновлены21 дек 2024

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.

Открыть конструктор бенчмарка

Публичные оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

MUSR
MUSR Raw · выше — лучше
Результат
0,4061
Open LLM v2 · архив
Публичная таблицаревизия совпадает
GPQA
GPQA Raw · выше — лучше
Результат
0,3356
Open LLM v2 · архив
Публичная таблицаревизия совпадает
MATH Lvl 5
MATH Lvl 5 Raw · выше — лучше
Результат
0,4282
Open LLM v2 · архив
Публичная таблицаревизия совпадает
MMLU-PRO
MMLU-PRO Raw · выше — лучше
Результат
0,4774
Open LLM v2 · архив
Публичная таблицаревизия совпадает
BBH
BBH Raw · выше — лучше
Результат
0,6397
Open LLM v2 · архив
Публичная таблицаревизия совпадает
IFEval
IFEval Raw · выше — лучше
Результат
0,7525
Open LLM v2 · архив
Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Reasoning-1 1K Demo — плотная авторегрессионная языковая модель семейства Qwen2, созданная командой Fluently Team дообучением Qwen/Qwen2.5-14B-Instruct методом SFT на наборе fluently-sets/reasoning-1-1k. Модель содержит около 14 млрд параметров, использует формат PyTorch/SafeTensors и поддерживает контекст до 32 768 токенов.

Модель предназначена для генерации текста и диалоговых ответов с акцентом на рассуждения на английском языке. Карточка представляет её как демонстрацию применения датасета, а не как выверенную модель для сложных задач: авторы предупреждают, что качество далеко от идеального. Лицензия — Apache-2.0.

Сценарии применения

генерация ответов с пошаговыми рассуждениями на английском языке
диалоговые ответы на текстовые запросы
эксперименты с дообучением на наборе Reasoning-1-1k

Ограничения

Авторы характеризуют модель как далёкую от идеала и предназначенную главным образом для демонстрации набора данных; качество ответов может быть нестабильным. В основном обучена на английском языке.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Reasoning-1 1K Demo (Finetune of Qwen2.5-14B-IT on Reasoning-1-1k dataset)

Q4_K_M GGUF-quant available here

This is SFT-finetune Qwen2.5-14B-IT on Reasoning-1-1K dataset. This is far from a perfect model, its main purpose is to show an example of using the dataset.

Base model: Qwen/Qwen2.5-14B-Instruct
Model type: Qwen2ForCausalLM
Number of parameters: 14.8B
Precision: FP16
Training method: SFT
Training dataset: fluently-sets/reasoning-1-1k
Languages: English (mostly)

Trained by Fluently Team (@ehristoforu) with Unsloth AI with love🥰

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: 483acbe