/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
533 млн
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
v21_v15_user_repair_rec_fast_lr4e6_ep055
Библиотека
transformers
Опубликована
11 июл 2026

Ссылки

Hugging Face

v26_v21_product_rec_rebalance_lr22e6_ep032

lldois
Генерация текстаТекст → текст3 профессии

Дообученная модель Qwen3 для генерации текста в диалоговом режиме, связанная с рекомендацией товаров.

25скачиваний за 30 дней0лайковвеса обновлены11 июл 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

Модель lldois/v26_v21_product_rec_rebalance_lr22e6_ep032 — дообученная версия lldois/v21_v15_user_repair_rec_fast_lr4e6_ep055 на наборе данных exp_v21_product_rec_rebalance. Это плотная авторегрессионная языковая модель семейства Qwen3 с 532,8 млн параметров, предназначенная для генерации текста в диалоговом режиме. Контекст составляет до 40 960 токенов; модель использует библиотеку Transformers и веса в формате safetensors.

По названию набора данных модель, вероятно, связана с рекомендацией товаров и балансировкой рекомендаций, однако README не описывает её назначение, качество или предполагаемые сценарии применения. Указана лицензия other, поэтому условия использования следует уточнить по карточке или у автора.

Сценарии применения

  • генерация диалоговых ответов о товарах
  • формирование текстовых рекомендаций товаров
  • балансировка рекомендаций товаров в диалоговом сценарии

Ограничения

README не содержит сведений об оценках качества, конкретном поведении и ограничениях модели; связь с рекомендациями товаров следует из названия обучающего набора. Лицензия обозначена как other, поэтому условия использования нужно уточнить у автора.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиI.12Универсальные способностиРекомендации и персонализацияAI помогает подбирать релевантные варианты и адаптировать опыт под конкретного человека или ситуацию.15 задач7 627моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

v26_v21_product_rec_rebalance_lr22e6_ep032

This model is a fine-tuned version of lldois/v21_v15_user_repair_rec_fast_lr4e6_ep055 on the exp_v21_product_rec_rebalance dataset.

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: 2.2e-06
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 202607261
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 4
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.02
  • num_epochs: 0.32

Training results

Framework versions

  • Transformers 5.6.0
  • Pytorch 2.7.1+cu126
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
2b8fc2a

0 моделей

    Создать бенчмарк