Uploaded finetuned model
- Developed by: haensumo
- License: apache-2.0
- Finetuned from model : NotoriousH2/Qwen3-0.6B-JSON-SFT
This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 40 960 токенов
- Параметры
- 508 млн
- Лицензия
- Apache 2.0
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-0.6B-JSON-SFT
- Опубликована
- 2 окт 2026
Ссылки
Qwen3-0.6B-JSON-SFT-GRPO
Компактная дообученная модель Qwen3 для генерации структурированных JSON-ответов и извлечения сведений из корейских протоколов совещаний.
279скачиваний за 30 дней0лайковвеса обновлены2 окт 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.
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.
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
Модель haensumo/Qwen3-0.6B-JSON-SFT-GRPO — дообученная разработчиком haensumo компактная языковая модель семейства Qwen3 для генерации текста. Она создана на основе NotoriousH2/Qwen3-0.6B-JSON-SFT и предназначена для сценариев, где нужен структурированный вывод в JSON; базовая модель ориентирована на извлечение сведений из корейских протоколов совещаний.
Модель содержит около 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В карточке указаны английский язык и формат весов safetensors; обучение выполнялось с Unsloth и библиотекой TRL. Лицензия — Apache-2.0.
Карточка не приводит результатов оценки качества или подробностей о том, какие именно изменения внесены на этапе GRPO. Поэтому пригодность для задач за пределами структурированного извлечения данных из корейских протоколов следует проверять отдельно.
Сценарии применения
- извлечение поручений из протоколов совещаний
- извлечение решений и препятствий из корейских протоколов
- суммаризация сведений из протокола в JSON
- формирование структурированных метаданных по тексту совещания
Ограничения
Карточка не содержит оценок качества и описания конкретных изменений, внесённых при GRPO-дообучении. Специализация базовой модели связана с корейскими протоколами, поэтому качество на иных языках и задачах не подтверждено.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen3ForCausalLM
- Ревизия весов
- 1211e31