/ Модель

Характеристики

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

Qwen3-1.7B-teacher-note-severity-v2

Генерация текстаТекст → текст3 профессии

Модель анализирует заметки учителей и выдаёт структурированный JSON с категорией, местом, серьёзностью события и признаком эскалации.

464скачиваний за 30 дней0лайковвеса обновлены20 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 v2 — модель на 1,7 млрд параметров на базе Qwen3-1.7B, разработанная jeremierostan для структурированного анализа заметок учителей о поведении и успеваемости учеников. Это продолженное LoRA-дообучение модели Qwen3-1.7B-teacher-note-severity; версия v2 добавляет поле местоположения события.

Модель принимает заметку или журнал наблюдений и генерирует JSON с категорией события, местом, оценкой серьёзности и признаком необходимости эскалации. К оценочным категориям относятся похвала, нарушение поведения и академическая проблема; значение серьёзности от 60 означает эскалацию к администрации. Указан контекст до 40 960 токенов. Для обучения использовались синтетические данные; автор приводит результаты проверки на синтетической тестовой выборке из 200 примеров.

Модель предназначена для классификации и приоритизации школьных заметок, но её оценки следует рассматривать как вспомогательные: опубликованная проверка ограничена небольшой синтетической выборкой. Лицензия — Apache-2.0.

Сценарии применения

  • классификация заметок о поведении учеников
  • выявление академических проблем по заметкам учителя
  • оценка серьёзности школьных инцидентов
  • определение необходимости передачи случая администрации
  • структурирование журнала наблюдений в JSON

Ограничения

Оценка качества приведена только на синтетической тестовой выборке из 200 примеров, поэтому перенос результатов на реальные школьные записи не подтверждён. Значение серьёзности и порог эскалации следует проверять с учётом школьных правил и контекста.

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 v2

Continued LoRA fine-tune of Qwen3-1.7B-teacher-note-severity (itself a LoRA of Qwen/Qwen3-1.7B, 32K context). v2 adds a location field. Given a teacher note (or a running log), it outputs:

{"category": "commendation|misbehavior|academic_concern", "location": "in_class|outside_class", "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-v2 (continues v1 training, LR 1e-4, 2 epochs).

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

  • Band accuracy: 0.930
  • Category accuracy: 0.990
  • Location accuracy: 0.990
  • Severity MAE: 12.83
  • 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
5e5c041

0 моделей