/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Архитектура
diffusion-qwen2 · dense
Базовая модель
qwen2.5-1.5b-diffusion-ultrachat
Библиотека
transformers
Опубликована
21 июл 2026

qwen2.5-1.5b-diffusion-scientific-L-L

Заполнение пропусковТекст → текст3 профессии

Дообученная diffusion-qwen2 модель на 1,5 млрд параметров для задачи fill-mask.

10скачиваний за 30 дней0лайковвеса обновлены21 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

qwen2.5-1.5b-diffusion-scientific-L-L — дообученная модель семейства diffusion-qwen2 на основе lamm-mit/qwen2.5-1.5b-diffusion-ultrachat. Это плотная модель с архитектурой DiffusionQwen2ForMaskedLM и 1,5 млрд параметров; она представлена в формате safetensors и рассчитана на контекст до 32 768 токенов. В метаданных указана задача fill-mask.

README сообщает о дообучении на неизвестном наборе данных и приводит значение Loss 3,8626 на оценочной выборке, но не описывает назначение научной специализации или сценарии использования. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Восстановление пропущенных фрагментов текста
  • Заполнение маскированных токенов в последовательности

Ограничения

README не раскрывает обучающие данные, научную специализацию и практические ограничения; приведена только оценка Loss 3,8626 на оценочной выборке.

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

qwen2.5-1.5b-diffusion-scientific-L-L

This model is a fine-tuned version of lamm-mit/qwen2.5-1.5b-diffusion-ultrachat on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.8626

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-06
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 10.0

Training results

Training LossEpochStepValidation Loss
72.81250.35561004.2313
70.74230.71112004.2203
65.77071.0643004.2686
68.84841.41964004.1462
65.72481.77515004.2940
66.43242.1286004.0263
66.36262.48367003.8795
62.39882.83918004.1321
65.65263.1929004.1260
67.43123.547610003.8996
63.88593.903111004.2748
65.71034.25612003.8309
63.29104.611613003.9817
62.60774.967114003.9192
62.80825.3215003.9552
63.35715.675616004.1320
57.82106.028417004.0993
63.12116.38418004.0743
62.50206.739619003.9847
64.66477.092420004.0498
65.78637.44821004.0664
65.23377.803622004.0635
62.76058.156423004.1932
64.06948.51224003.8387
60.79238.867625003.9723
65.57059.220426004.1179
63.66279.57627003.9689
63.99809.931628004.2244
59.212610.028203.8626

Framework versions

  • Transformers 5.14.1
  • Pytorch 2.13.0+cu130
  • Datasets 4.8.5
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Архитектура diffusion-qwen2 неизвестна transformers в образе рантайма.

Класс архитектуры
DiffusionQwen2ForMaskedLM
Ревизия весов
b3c39b3

0 моделей