Uploaded finetuned model
- Developed by: ljh728
- License: apache-2.0
- Finetuned from model : NotoriousH2/Qwen3-0.6B-JSON-SFT
This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 40 960 токенов
- Параметры
- 508 млн
- Лицензия
- Apache 2.0
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-0.6B-JSON-SFT
- Опубликована
- 4 сен 2026
Ссылки
Qwen3-0.6B-JSON-SFT-GRPO
Дообученная компактная модель Qwen3 для генерации текста и ответов в формате JSON.
69скачиваний 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.
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.
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
ljh728/Qwen3-0.6B-JSON-SFT-GRPO — дообученная модель семейства Qwen3, разработанная ljh728 на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Это плотная авторегрессионная языковая модель с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, в том числе ответов в формате JSON.
Модель принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных ограничений, поэтому пригодность для конкретных сценариев JSON следует проверять на собственных примерах.
Сценарии применения
- генерация ответов в формате JSON
- создание диалоговых ответов на английском языке
- прототипирование приложений на базе компактной языковой модели
Ограничения
Карточка не сообщает результаты оценок качества и не уточняет, насколько надёжно модель соблюдает заданную JSON-схему; это следует проверять на целевых примерах.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen3ForCausalLM
- Ревизия весов
- 619d406