/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B
Библиотека
transformers
Опубликована
14 сен 2026

qwen2.5-1.5b-unaliased

Генерация текстаТекст → текст3 профессии

Исправленная версия базовой Qwen2.5-1.5B с раздельными эмбеддингами маркеров ChatML для надёжного дообучения и генерации завершённых ответов.

503скачиваний за 30 дней0лайковвеса обновлены14 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

interpretable-finetuning подготовил производную Qwen2.5-1.5B: в матрице эмбеддингов заменены две строки для маркеров ChatML `im_start` и `im_end`, скопированные из Qwen2.5-1.5B-Instruct. Остальные тензоры побитово совпадают с базовой моделью. Архитектура, токенизатор, словарь и идентификаторы токенов сохранены; модель содержит 1,5 млрд параметров, использует Transformers и поддерживает контекст до 131 072 токенов.

Изменение устраняет совпадение этих маркеров с другими строками эмбеддингов, из-за которого модель могла не завершать генерацию при дообучении с замороженными эмбеддингами, например с LoRA. Это исправленная базовая языковая модель для экспериментов и последующего дообучения, а не готовая чат-модель: собственного поведения для диалога у неё нет. README также отмечает, что оставшиеся алиасные группы словаря могут создавать аналогичную проблему, если переиспользовать входящие в них токены. Лицензия — Apache-2.0.

Сценарии применения

  • дообучение Qwen2.5-1.5B с LoRA и другими методами с замороженными эмбеддингами
  • создание чат-модели на базе Qwen2.5 с корректной генерацией маркеров завершения хода
  • эксперименты с поведением токенов ChatML при генерации текста

Ограничения

Это базовая модель без готового чат-поведения, поэтому для диалогового применения требуется дообучение. Исправлены только два маркера ChatML; в словаре остаются другие группы совпадающих эмбеддингов, а сами изменённые строки имеют низкую норму.

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

Qwen2.5-1.5B, un-aliased ChatML turn markers

Qwen/Qwen2.5-1.5B with exactly two embedding rows replaced — the ChatML turn markers <|im_start|> (151644) and <|im_end|> (151645) — copied from Qwen/Qwen2.5-1.5B-Instruct. Everything else is bit-identical to the original.

337 of 338 tensors byte-identical to Qwen/Qwen2.5-1.5B
1 tensor differs: model.embed_tokens.weight, rows 151644 and 151645

Tokenizer, vocabulary, token ids, config and architecture are unchanged. The -Instruct rows are used because it shares this tokenizer and vocabulary, so the ids line up exactly.

Why

The base checkpoint ships 267 embedding rows that are bit-identical to one another, and both ChatML turn markers are inside that block:

tokenidrows bit-identical to it
<|im_start|>15164497
<|im_end|>151645267
<|endoftext|>1516431 (unique)

tie_word_embeddings: true, so those rows are also the output head. Identical rows produce identical logits for any residual stream. A model therefore cannot prefer <|im_end|> over its 266 twins, and if the embedding is frozen — as under LoRA, or any adapter method with modules_to_save: null — no amount of training can separate them.

The failure is quiet and easy to misread as undertraining. On a model fine-tuned against the unpatched base, we measured 10.7% of probability mass on the aliased block at the turn boundary — the turn-end intent was learned — but split 267 ways it gave p(<|im_end|>) = 0.00040, losing the argmax to an untrained token. Generations never terminated.

Note that <|endoftext|>, the tokenizer's declared eos_token, is unique and was never the problem; a check that only inspects eos_token will miss this entirely.

Effect

Qwen/Qwen2.5-1.5Bthis model
rows bit-identical to <|im_start|>971
rows bit-identical to <|im_end|>2671
p(<|im_end|>) at the turn boundary¹0.00040 (rank 6–9)0.98702 (rank 1)
generations terminating before the token cap¹0 / 12200 / 200

¹ measured with a fixed LoRA fine-tune held constant across the two bases.

Caveats

  • These rows are still low-norm — about 0.41× the median embedding row. The fix makes them addressable, not strong. A model that needs to emit them still has to learn to.
  • Only the two ChatML markers were separated. The checkpoint still contains 2,210 rows in 81 mutually-aliased groups (largest: 473 rows; the remaining 266 of <|im_end|>'s original block is one of them). That is harmless for ordinary use — those are unused vocabulary slots — but any token you add or repurpose from them inherits the same problem. Run the check above on every special token your chat template emits.
  • This is a patched base, not an instruction-tuned model. It has no chat behaviour of its own.

Checking a base model for this

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

mid = "interpretable-finetuning/qwen2.5-1.5b-unaliased"
tok, m = AutoTokenizer.from_pretrained(mid), AutoModelForCausalLM.from_pretrained(mid)
E = m.get_input_embeddings().weight.data
for t in ("<|im_start|>", "<|im_end|>"):
    i = tok.convert_tokens_to_ids(t)
    print(t, "aliased with", int((E == E[i]).all(-1).sum()), "rows")   # must be 1

Any base whose chat-template special tokens report more than 1 will not learn to emit them.

Used by

interpretable-finetuning/topklora-qwen2.5-1.5b-v2 — 46 TopK-LoRA sleeper-agent organisms trained on this base. Those adapters are only correct on this model; loading them on vanilla Qwen/Qwen2.5-1.5B silently restores the broken behaviour.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
afb1b7b

0 моделей