/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3-1.7B-Base
Опубликована
22 мар 2026

Qwen3-1.7B-SFT

Генерация текста3 профессии

lllyx/Qwen3-1.7B-SFT — языковая модель, разработанная на основе Qwen3-1.7B-Base и дообученная методом полного supervised fine-tuning.

2 313скачиваний за 30 дней4лайкавеса обновлены12 мая 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

В README не указана отдельная организация-разработчик; модель связана с исследовательской работой «Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe», авторами которой являются Yaxuan Li и соавторы.

Модель предназначена прежде всего для математического рассуждения, решения задач и следования инструкциям в математическом домене. Она обучена на датасете lllyx/OpenThought3-Qwen3-4B, содержащем математические запросы и ответы, сгенерированные Qwen3-4B в режиме без рассуждений; данные были очищены от дубликатов, повторяющихся и вырожденных ответов. Во время обучения режим thinking был отключён.

Ключевые характеристики: архитектура и точное число параметров унаследованы от Qwen3-1.7B-Base, размер модели составляет около 1,7 млрд параметров, поддерживаются английский и китайский языки, заявлена длина контекста до 20 480 токенов. Модель относится к классу text-generation и ориентирована на текстовую модальность. Сильной стороной является специализация на математических задачах и reasoning после SFT, однако README не содержит количественных результатов оценки, поэтому превосходство над базовой моделью подтвердить нельзя. Лицензия указана как other; её конкретные условия не раскрыты.

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

Qwen3-1.7B-SFT is a supervised fine-tuned model based on Qwen3-1.7B-Base, trained on the OpenThought3-Qwen3-4B dataset for mathematical reasoning and problem-solving.

This model is associated with the paper:
Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe
Paper link: https://arxiv.org/abs/2604.13016

Model Description

This model is obtained by full-parameter supervised fine-tuning (SFT) from Qwen3-1.7B-Base.
The training is designed to improve the model's performance on math-focused instruction-following and reasoning tasks. This model is intended in Section 5.1. Off-Policy Distillation from Teacher Rollouts as Cold Start.

Key characteristics

  • Base model: Qwen3-1.7B-Base
  • Training stage: Supervised Fine-Tuning (SFT)
  • Finetuning type: Full finetuning
  • Primary domain: Mathematical reasoning
  • Thinking mode: Disabled during training (enable_thinking: false)
  • Context length: 20480 tokens

Training Details

Training configuration

  • Framework: LLaMA-Factory
  • Stage: sft
  • Finetuning type: full
  • DeepSpeed config: ds_z2_config.json
  • Kernel optimization: enable_liger_kernel: True
  • Precision: bf16
  • Gradient checkpointing: enabled
  • Learning rate: 1e-5
  • Scheduler: cosine
  • Warmup ratio: 0.1
  • Number of epochs: 2.0
  • Per-device train batch size: 16
  • Gradient accumulation steps: 1
  • Validation split: 0.01
  • Evaluation strategy: every 100 steps
  • Save strategy: every 100 steps

Dataset

Training Hyperparameters

For reproducibility, the core configuration is summarized below:

model_name_or_path: ../model/Qwen3-1.7B-Base
trust_remote_code: true

stage: sft
do_train: true
finetuning_type: full
deepspeed: examples/deepspeed/ds_z2_config.json
enable_liger_kernel: true

dataset: openthought3_qwen3_4b
template: qwen3
enable_thinking: false
cutoff_len: 20480
preprocessing_num_workers: 64
dataloader_num_workers: 32

output_dir: ../model/Qwen3-1.7B-Base-SFT-OpenThought3-Qwen3-4B
logging_steps: 5
save_steps: 100
plot_loss: true
overwrite_output_dir: true
save_only_model: true
report_to: swanlab

per_device_train_batch_size: 16
gradient_accumulation_steps: 1
gradient_checkpointing: true
learning_rate: 1.0e-5
num_train_epochs: 2.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: true
ddp_timeout: 180000000

val_size: 0.01
per_device_eval_batch_size: 1
eval_strategy: steps
eval_steps: 100

Citation

If you use this model, please consider citing the related paper:

@article{li2026rethinking,
  title={Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe},
  author={Li, Yaxuan and Zuo, Yuxin and He, Bingxiang and Zhang, Jinqian and Xiao, Chaojun and Qian, Cheng and Yu, Tianyu and Gao, Huan-ang and Yang, Wenkai and Liu, Zhiyuan and Ding, Ning},
  journal={arXiv preprint arXiv:2604.13016},
  year={2026}
}

Paper: https://arxiv.org/abs/2604.13016

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Не удалось определить, чем загружать веса модели (нет library_name и architectures).

Ревизия весов
f0065ba

0 моделей