/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B
Библиотека
transformers
Опубликована
24 сен 2026

qwen2.5-32b-unaliased

Генерация текстаТекст → текст3 профессии

Исправленная версия Qwen2.5-32B для генерации текста и диалогов с изменёнными весами маркеров конца хода ChatML.

407скачиваний за 30 дней0лайковвеса обновлены24 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

Это экспериментальная исправленная версия Qwen2.5-32B, подготовленная автором репозитория interpretable-finetuning. Веса почти полностью совпадают с базовой Qwen/Qwen2.5-32B: заменены строки эмбеддингов и выходной матрицы для двух маркеров ChatML, взятые из Qwen/Qwen2.5-32B-Instruct. Архитектура — плотная Qwen2 causal language model с 32 млрд параметров; контекст — до 131 072 токенов. Модель принимает текст и предназначена для генерации текста и диалоговых ответов.

Изменение призвано исправить неспособность исходного чекпойнта надежно выдавать маркер конца хода ChatML. В описанном тесте после замены строки lm_head маркер стал занимать первое место по рангу, а генерация завершилась в пределах 256 токенов в 26 из 40 случаев вместо 0 из 40 на исходной модели. Это ограниченная поведенческая проверка, а не гарантия качества для других промптов или дообученных вариантов. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация диалоговых ответов с завершением ходов ChatML
  • проверка поведения маркеров конца хода в Qwen2.5
  • эксперименты с дообучением большой языковой модели
  • генерация длинного текста с контекстом до 131 072 токенов

Ограничения

Проверка в README охватывает лишь поведение двух маркеров ChatML и ограниченный набор генераций; она не подтверждает качество на других задачах и промптах. Другие специальные токены не исследовались.

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

Qwen2.5-32B, un-aliased ChatML turn markers

This is NOT the published checkpoint. Qwen/Qwen2.5-32B with the ChatML turn markers <|im_start|> (151644) and <|im_end|> (151645) replaced by the corresponding rows from Qwen/Qwen2.5-32B-Instruct. Everything else is bit-identical to the original.

769 of 771 tensors byte-identical to Qwen/Qwen2.5-32B
  differs: lm_head.weight, rows [151644, 151645]
  differs: model.embed_tokens.weight, rows [151644, 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

Qwen/Qwen2.5-32B cannot reliably emit <|im_end|>. Unlike Qwen2.5-1.5B — whose defect was 267 bit-identical embedding rows — here the rows are bitwise unique but functionally indistinguishable: <|im_end|>'s lm_head row sits in a cluster of 5343 rows at mean-centred cosine >= 0.99 (nearest neighbour 1.000). Logits are h . W_j, so rows pointing the same way compete for the same probability mass however their bits differ.

tie_word_embeddings: False — so lm_head is a separate matrix and its rows had to be written explicitly. A repair that only touched embed_tokens would not have changed emission at all.

A bitwise alias check passes this checkpoint. That is how it went unnoticed.

Measured effect

Organisms fine-tuned on the unpatched base essentially never end a turn: their clean-mode completions hit the generation cap in 98.4-100% of cases (a comparable model on a repaired base: ~20%). Swapping only the lm_head <|im_end|> row, with the same trained adapter:

stockpatched
p(<|im_end|>) at the turn boundary0.000330.131
rank of <|im_end|>5671
greedy turns ending within 256 tokens0 / 4026 / 40
clean-mode payload leakage16 / 400 / 40

Fisher exact p < 1e-5. The deficit it causes is easy to misread: a model that cannot stop produces truncated, rambling answers that score ~1 point below terminated ones on a capability judge, which looks like a weak fine-tune rather than a broken stop token.

Caveats

  • The fix makes the token reachable, not reliable. After the swap p(<|im_end|>) is 0.13-0.35 at rank 1; a model trained against a repaired row reaches ~0.99. Training consolidates it.
  • Static geometry does not establish emittability. Three tests failed to predict it: bitwise equality (passed this checkpoint), a norm floor (rejected a base that works), and projection dominance (ranks Qwen2.5-7B-Instruct, which works, below Qwen2.5-32B, which does not). Verify behaviourally — generate turns and count how many end.
  • Only the two ChatML markers were touched. Other special tokens were not examined.
  • The input embed_tokens rows are near-dead in the -Instruct checkpoint too, so copying them changes little; the lm_head row is what matters behaviourally.

Provenance

Created by scripts/qwen15_make_unaliased_base.py from Qwen/Qwen2.5-32B-Instruct. The repository carries MODIFIED_BASE_MODEL.json and .md recording the same facts, so a downloader who never reads this card still finds out.

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
6cd9e8a

0 моделей