/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
14 сен 2026

KBevo-Qwen3-4B-SFT

Генерация текстаТекст → текст8 профессий

Дообученная версия Qwen3-4B для построения структурированной базы знаний и ответов на вопросы, требующие нескольких шагов рассуждения.

662скачиваний за 30 дней0лайковвеса обновлены15 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

KBevo-Qwen3-4B-SFT — разработанный Kilian Group чекпойнт supervised fine-tuning модели Qwen3-4B для двухэтапных ответов на вопросы с несколькими переходами рассуждения. На первом этапе модель извлекает из набора фрагментов компактную структурированную базу знаний в виде троек «сущность — отношение — значение», включая обратные отношения. На втором этапе она отвечает на вопросы, выполняя типизированные запросы к этой базе и опираясь на найденные факты.

Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров; поддерживает контекст до 40 960 токенов и работает с текстом. Чекпойнт обучен на синтезированных двухэтапных траекториях для HotpotQA методом SFT; он предназначен для запуска поведения KBevo SFT, воспроизведения экспериментов и дальнейшего обучения. В README приведены результаты на HotpotQA, MuSiQue, 2WikiMultiHopQA и PopQA. Для двухэтапного inference рекомендуется использовать эталонную реализацию KBevo. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение троек сущность—отношение—значение из текстовых фрагментов
  • построение компактной базы знаний из набора документов
  • ответы на вопросы с несколькими переходами по структурированной базе знаний
  • воспроизведение экспериментов KBevo на HotpotQA и других QA-бенчмарках
  • дообучение политики структурированного поиска и рассуждения

Ограничения

Чекпойнт содержит только SFT-поведение; для финальной версии KBevo README указывает на отдельный GRPO-чекпойнт. Для двухэтапного inference рекомендуется использовать эталонную реализацию проекта.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KBevo-Qwen3-4B-SFT

KBevo supervised fine-tuning (SFT) checkpoint for Qwen3-4B. Accompanies Co-Evolving Structured Knowledge and Reasoning in Language Models, published at the Conference on Language Modeling (COLM 2026).

KBevo: Structured knowledge + reasoning in two phases

KBevo teaches a single language model to answer multi-hop questions by first building a structured knowledge base and then reasoning over it:

  1. Knowledge-base construction. Given a set of passages, the model extracts a compact structured KB of typed (entity, relation, value) triples. Inverse relations are added so the KB can be traversed in either direction.
  2. Question answering through structured KB retrieval. For each question, the model issues typed KB lookups instead of re-reading raw text. Answers are grounded in retrieved triples rather than in parametric memory alone.

The two phases share weights and are trained jointly. SFT teaches the base extraction / lookup behaviour on synthesised two-phase rollouts. GRPO further optimises the joint policy on end-to-end HotpotQA answer-F1 rewards.

This repository

This repository contains the KBevo SFT checkpoint for Qwen3-4B. It is the starting point for the paper's KBevo-Qwen3-4B-GRPO run. Use it if you want the SFT-only KBevo behaviour or to reproduce the GRPO training pipeline.

For the paper's final KBevo checkpoint, see kilian-group/KBevo-Qwen3-4B-GRPO.

All KBevo checkpoints

ModelRepository
KBevo-Qwen3-1.7B SFTkilian-group/KBevo-Qwen3-1.7B-SFT
KBevo-Qwen3-1.7B GRPOkilian-group/KBevo-Qwen3-1.7B-GRPO
KBevo-Qwen3-4B SFTkilian-group/KBevo-Qwen3-4B-SFT
KBevo-Qwen3-4B GRPOkilian-group/KBevo-Qwen3-4B-GRPO

Full code, training, and evaluation scripts: https://github.com/kilian-group/KBevo

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "kilian-group/KBevo-Qwen3-4B-SFT"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id, dtype="bfloat16")

For the two-phase KBevo inference agent (KB construction → structured QA), please use the reference implementation from the KBevo GitHub repository. See scripts/eval_kbevo.sh.

Results

Exact-match on the four benchmarks reported in the paper:

ModelHotpotQAMuSiQue2WikiMultiHopQAPopQAAverage
KBevo-Qwen3-1.7B-SFT29.513.344.957.036.2
KBevo-Qwen3-1.7B-GRPO37.318.647.861.441.3
KBevo-Qwen3-4B-SFT35.616.740.754.336.8
KBevo-Qwen3-4B-GRPO46.126.451.462.546.6

Training

Stage: Supervised fine-tuning on synthesised two-phase rollouts over HotpotQA.

Hyperparameters:

SettingValue
Base modelQwen/Qwen3-4B
ObjectiveSupervised fine-tuning (TRL SFTTrainer)
DatasetGemini-generated two-phase trajectories (HotpotQA, 6k)
Number of GPUs1
Per-device training batch size8
Gradient accumulation steps6
Effective training batch size48
Learning rate5e-5
LR schedulerCosine
Warmup ratio0.1
Weight decay0.01
Number of epochs3
Max sequence length1024
Runtime precisionBF16
Two-phase supervisionImplicit in the SFT trajectories
Special DB-lookup tokensEnabled
Per-device evaluation batch size8
Evaluation strategyEpoch
Logging steps10
Save strategyEvery 12.5% of an epoch
Maximum saved checkpoints8

Intended use

This checkpoint is intended for running and evaluating KBevo's two-phase knowledge construction and reasoning policy. It can be used with the official KBevo codebase to reproduce the reported results or as a starting point for further research and fine-tuning.

Citation

@inproceedings{Noonan2026:co-evolving,
  title         = {Co-Evolving Structured Knowledge and Reasoning in Language Models},
  author        = {Ryan Thomas Noonan and Linxi Zhao and Menghan Xu and Akanksha Sarkar and Mihir Mishra and Dongyoung Go and Kilian Q. Weinberger and Yoav Artzi and Jennifer J. Sun},
  booktitle     = {Proceedings of the Conference on Language Modeling},
  year          = {2026},
  url           = {https://arxiv.org/abs/2608.26386}
}

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
d553fcf

0 моделей