Характеристики

Контекст: 262 144 токена
Размер весов: 70,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe · dense
Базовая модель: affine-5g4yy75zuz-t6
Библиотека: transformers
Опубликована: 20 авг 2026

Ссылки

Hugging Face

sn120-3b427b1678d5

ledgernova

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель, дообученная DPO для дуэльной оценки рассуждений по метрике Reason v4.

23скачиваний за 30 дней0лайковвеса обновлены20 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

Affine SN120 R959 — модель генерации текста, созданная разработчиком ledgernova на базе vera6/affine-5g4yy75zuz-t6. Это экспериментальный чекпойнт, дообученный офлайн методом DPO на парах предпочтений, ранжированных метрикой Reason v4; обучение поощряло рассуждения, повышающие оценку следующего действия учителя. Модель предназначена для участия в дуэлях и оценки по Reason v4 в рамках Affine SN120, а не для общего диалогового применения.

В README указаны LoRA ранга 64, контекст обучения до 12 288 токенов и сравнение с родительской моделью на выборке из 79 примеров. В тесте описан положительный результат по метрике Reason, однако он не подтверждает качество на широком наборе задач. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0.

Сценарии применения

Участие в дуэлях Reason v4 в системе Affine SN120
Генерация рассуждений для оценки по следующему действию учителя
Сравнение вариантов ответа в экспериментальном бенчмарке Reason v4

Ограничения

Модель оптимизирована под узкую метрику Reason v4 и не предназначена для общего чата; описанная оценка проведена на 79 примерах и сама по себе не устанавливает качество на других задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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 I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

R959 — SoftCtx × HiRank × MidBeta Mega UltraLoLR (offline DPO on vera king)

Affine SN120 challenger for Reason v4 (weight_version_key=7): tempered multi-sample log-mean-exp over k=3 teacher refs (τ=0.03).

Per turn: a_i = lpC(y_i|z_A) − lpC(y_i|∅); Reason = τ·log(mean_i exp(a_i/τ)). Crown also needs median stripped |z|≥80 and B pass ≥0.30.

How this checkpoint was trained

Base / parent: vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e (live king reign36)
Method: offline DPO on Reason-ranked duel pairs (not SFT / not online GRPO)
What was optimized: preference for thoughts that raise teacher-side Reason (commit to a teacher next-action mode; filler loses under LME)
Data: Soft Mid Mid Soft × SoftCtx filtered duel preference pairs from dpo_duel_reason.jsonl under mining/experiments/r959-vera-offline-dpo-hialpha-hirank-midbeta-softctx-megasuperextrasteps-ep4-ultralolr / pod /root/r959/
Key hyperparameters:
- LoRA r=64 (HiRank), α=128 (HiAlpha)
- β=0.1 (MidBeta)
- lr=5e-7 (UltraLoLR)
- max_len=12288 (SoftCtx)
- max_steps=19200 (MegaSuperExtra)
- epochs=4
Hardware: Lium mine-r338-marsplan-online-dpo-bigg-hilr-1 (calm-fox-6a) 8×B200 GPUs 4,5 train+merge; TKC warm; chall :8002 GPUs 4,5 for v4 n80 → /tmp/r959_merged (~66G / 16 safetensor shards)
Local n80 vs live king reign36 (vera6/affine-5g4yy75zuz-t6@8e3f1695e058837ed80fec3238ff439fdc2d0f0e) under wvk=7:
- margin +0.006384, SE 0.002605, z=2.451, n=79
- bar max(2·SE, δ=0.002) = 0.005210 (~1.23×)
- thought median 173 (≥80 ✓), B pass 0.406 (≥0.30 ✓)
- k=3, τ=0.03 (fail-closed if stamp ≠ v4)
- decision: WIN / Stage-5 licensed (r959_sim_result_reign36_wvk7.json, p4101)
Lineage: R947 SoftCtx HiRank Midβ Ultra REFUTE ~0.31× B✗0.289 → SoftCtx HiRank Midβ Mega UltraLoLR isolate; ≠ Ultra R947 / ≠ SoftCtx HiRank Midβ Mega R937 REFUTE / ≠ Online / ≠ GRPO
Experiment path: mining/experiments/r959-vera-offline-dpo-hialpha-hirank-midbeta-softctx-megasuperextrasteps-ep4-ultralolr

Intended use

SN120 Affine miner submission / evalsrv Reason v4 duel. Not a general chat model.

License

Follows base model + Affine mining artifacts policy.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5MoeForConditionalGeneration
Ревизия весов: f5bd4c2