/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
12 июн 2026

Ссылки

Hugging Face

ablation-pymethods2test-seqmean-arm0-15-8B

laion
Генерация текстаТекст → текст5 профессий

Экспериментальный чекпойнт Qwen3 на 7,6 млрд параметров для генерации текста и агентного решения задач разработки ПО, обученный с подкреплением методом GRPO.

19скачиваний за 30 дней0лайковвеса обновлены4 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.

Открыть конструктор бенчмарка

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

laion/ablation-pymethods2test-seqmean-arm0-15-8B — исследовательский чекпойнт, дообученный командой LAION на базе laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате и агентных задач разработки программного обеспечения, в частности для решения задач из набора pymethods2test.

Чекпойнт получен на шаге 15 обучения с подкреплением SkyRL GRPO: в абляции использованы усреднение потерь по последовательности и оцениватель преимуществ RLOO-n. Модель принимает текст и генерирует текст; метаданные указывают контекстное окно 40 960 токенов. В README описаны обучение и связанный набор обучающих трасс, но не приведены измерения качества или подробные ограничения применения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация решений задач по программированию
  • выполнение агентных заданий по разработке ПО
  • диалоговое взаимодействие с языковым агентом
  • исследование влияния sequence-mean и RLOO-n на обучение с подкреплением

Ограничения

Это чекпойнт на шаге 15 экспериментального запуска; README не приводит оценок качества. Лицензия в предоставленных данных не указана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ablation-pymethods2test-seqmean-arm0-15-8B

RL (SkyRL GRPO) checkpoint from the sequence-mean / RLOO-n (arm0) ablation of the a3-successor study. The policy loss uses loss_reduction=sequence_mean with the advantage_estimator=rloo_n (RLOO-n) estimator, contrasting with the token-mean reduction of the a3 series.

The rl_config.json in this repo is the exact launch config used for reproducibility. This is the step-15 checkpoint of the same run that produced laion/ablation-pymethods2test-seqmean-arm0-30-8B (step 30).

Training Traces

Training-time Daytona/Harbor rollouts for this run are uploaded as a companion dataset: open-athena/ablation-pymethods2test-seqmean-arm0

The dataset contains the last episode of each trial (per make_and_upload_trace_dataset --episodes last) — the same rollouts the policy was trained on after rollback / truncation.

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
4e1a269

0 моделей

    Создать бенчмарк