/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
19 сен 2026

Qwen3-1.7B-teacher-note-severity

Генерация текстаТекст → текст3 профессии

LoRA-модель на базе Qwen3-1.7B, которая классифицирует заметки учителей о поведении и успеваемости и оценивает необходимость эскалации.

521скачиваний за 30 дней0лайковвеса обновлены19 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

Qwen3-1.7B Teacher Note Severity — дообученная с помощью LoRA модель на базе Qwen/Qwen3-1.7B, разработанная jeremierostan для классификации заметок учителей о поведении и учебных результатах учащихся. Модель принимает отдельную заметку или последовательный журнал и генерирует JSON с категорией «поощрение», «нарушение поведения» или «учебная проблема», оценкой серьёзности и признаком необходимости эскалации администрации.

Модель использует плотную архитектуру Qwen3ForCausalLM с 1,7 млрд параметров и контекстом до 40 960 токенов. Она предназначена для структурированной разметки заметок и выделения случаев, требующих внимания: согласно карточке, серьёзность от 60 означает эскалацию, а поощрения получают отрицательные значения. Обучение проводилось на синтетических данных; на тесте из 200 синтетических примеров указаны точность категории 0,995, точность диапазона серьёзности 0,910 и полностью разбираемый JSON, но эти результаты не подтверждают качество на реальных школьных записях.

Модель принимает текст и выдаёт текст с результатами классификации в JSON. В карточке указана лицензия Apache-2.0. Языки и переносимость результатов на реальные данные в карточке не описаны.

Сценарии применения

  • Классификация заметок учителя о поведении учащегося
  • Выделение учебных проблем из записей преподавателя
  • Оценка серьёзности инцидента по текстовой заметке
  • Пометка записей, требующих внимания администрации
  • Преобразование журнала наблюдений в структурированный JSON

Ограничения

Обучение и оценка проводились на синтетических данных, поэтому приведённые метрики не гарантируют качество на реальных школьных записях. Поддерживаемые языки в карточке не указаны.

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

Qwen3-1.7B Teacher Note Severity

LoRA fine-tune of Qwen/Qwen3-1.7B (32K context) that classifies teacher notes about student behavior and academics. Given a note (or a running log), it outputs:

{"category": "commendation|misbehavior|academic_concern", "severity": <int -100..100>, "escalate": <bool>}

Commendations are negative; routine notes 5-55; severity >= 60 escalates to admin. Trained on synthetic data: jeremierostan/teacher-notes-severity.

Eval (held-out synthetic test, n=200)

  • Band accuracy: 0.910
  • Category accuracy: 0.995
  • Severity MAE: 16.73
  • Escalate F1: 1.000
  • JSON parsable rate: 1.000

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
1d3d733

0 моделей