Характеристики

Контекст: 262 144 токена
Параметры: 2,6 млрд
Размер весов: 61,1 ГБ
Архитектура: qwen3_moe · MoE
Базовая модель: Qwen3-Coder-30B-A3B-Instruct
Библиотека: transformers
Опубликована: 4 авг 2026

Ссылки

tt-x0_verifier-shaped-20-30B

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3-Coder, дообученный с подкреплением для агентного решения задач программирования с проверкой через pytest.

131скачиваний за 30 дней0лайковвеса обновлены8 авг 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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/tt-x0_verifier-shaped-20-30B — экспериментальная версия модели TaskTrove X0, созданная LAION на основе Qwen/Qwen3-Coder-30B-A3B-Instruct. Модель прошла 20 шагов агентного обучения с подкреплением terminus-2 на задачах работы с несколькими файлами и проверки решений через pytest; при обучении применялось формирование награды pass_ratio, которое учитывает частичный прогресс. Это разговорная MoE-модель для генерации текста и решения задач программирования в агентных сценариях. Базовая модель поддерживает контекст до 262 144 токенов.

В README приводится результат pass@k 0,347 при повторной оценке без shaping против 0,310 у бинарного варианта; эти цифры относятся к конкретному эксперименту. Карточка описывает абляцию с горизонтом в 20 шагов, поэтому модель следует считать экспериментальным чекпойнтом, а не зрелым универсальным решением. Дерево обучающих трасс недоступно. Лицензия в предоставленных данных не указана.

Сценарии применения

агентное решение задач программирования с несколькими файлами
генерация кода с проверкой pytest
эксперименты с формированием награды pass_ratio
оценка влияния обучения с подкреплением на качество кода

Ограничения

Это экспериментальная абляция, обученная лишь до 20 шагов; приведённый pass@k относится к конкретной оценке и не гарантирует качество на других задачах. Обучающие трассы недоступны, а лицензия в предоставленных данных не указана.

Для каких профессий подходит3

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 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tt-x0_verifier-shaped (TaskTrove X0 shaped verifier, global_step_20)

X0 verifier-ablation shaped (pass_ratio) arm of the TaskTrove hyperparameter sweep. Completed its 20-step horizon. Base: Qwen/Qwen3-Coder-30B-A3B-Instruct; terminus-2 agentic RL on DCAgent/exp_rpt_multifile (pytest verifier, pass_ratio reward shaping). Trailing-5 EMA of the shaped reward at step 20 = 0.5094 (inflated by partial credit vs the binary arm's 0.1703; not cross-comparable).

X0 verdict (owner 2026-08-04): SHAPED WINS on the post-#300 unshaped re-score (pass@k 0.347 vs 0.310, ~3.7-pt gap). pass_ratio shaping is the campaign verifier for X1-X5. See training_logs/report.md.

Training Traces

Not available. The trial-level trace trees were reclaimed during a 2026-08 GPFS inode-recovery pass before a dataset was uploaded to the Hub; no tt-x0_verifier-shaped-traces dataset was published and the source trials no longer exist on GPFS. Per-trial unshaped verifier outcomes survive on Jupiter in /e/scratch/jureap59/feuer1/x0_unshaped_outcomes.tsv. The training_logs/ analysis here is derived from the per-step WANDB mirror, not the (deleted) trials.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3MoeForCausalLM
Ревизия весов: 1e4e475