/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
qwen3-8b-post-trained-cpt
Библиотека
transformers
Опубликована
18 сен 2026

Ссылки

Hugging Face

qwen3-8b-feedback-non-base-with-repair

formalmathatepfl
Генерация текстаТекст → текст4 профессии

Дообученная диалоговая модель Qwen3 с 7,6 млрд параметров для генерации текста и контекстом до 40 960 токенов.

523скачиваний за 30 дней0лайковвеса обновлены18 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.

Открыть конструктор бенчмарка

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

Qwen3-8B-feedback-non-base-with-repair — диалоговая модель генерации текста на архитектуре Qwen3, разработанная formalmathatepfl. Это дообученная версия formalmathatepfl/qwen3-8b-post-trained-cpt, обученная на датасете SFT. Модель содержит 7,6 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов.

Модель предназначена для диалоговой генерации текста. README не уточняет специальные сценарии применения, характер обратной связи или механизм исправления, поэтому эти свойства нельзя конкретизировать. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия указана как other; конкретные условия использования по доступным данным определить нельзя.

Сценарии применения

  • генерация ответов в диалоге
  • создание связных текстовых продолжений
  • разработка чат-бота на базе Qwen3

Ограничения

README не описывает результаты оценки, специфические возможности и ограничения модели. Лицензия обозначена как other, поэтому конкретные условия использования из доступных сведений неясны.

Для каких профессий подходит4

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-8b-non-base-sft-feedback-with-repair

This model is a fine-tuned version of formalmathatepfl/qwen3-8b-post-trained-cpt on the sft dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 8
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
15c2812

0 моделей

    Создать бенчмарк