/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
31 авг 2026

Keural-Cortex-8B-pilot

Генерация текстаТекст → текст3 профессии

Исследовательский пилот продолженного предобучения Qwen3-8B-Base, проверяющий влияние рецепта обучения на корейский и английский языки.

102скачиваний за 30 дней0лайковвеса обновлены31 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.

  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.

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

Keural Cortex 8B pilot — это исследовательский артефакт дообучения, созданный mkd-hossain на базе Qwen3-8B-Base. Плотная авторегрессионная модель семейства Qwen3 содержит 7,6 млрд параметров и предназначена для продолжения текста. Контекст составляет 32 768 токенов; модель принимает текст и генерирует текст.

Пилот прошёл 954 шага обучения на 3 млрд токенов корпуса с корейским и английским языками, кодом и материалами по естественным наукам и математике. Он проверял, улучшает ли рецепт продолженного предобучения результаты на корейских тестах без заметного ухудшения на английских. В отдельных бенчмарках приросты неодинаковы, поэтому результаты пилота не следует считать подтверждением широких возможностей.

Это базовая языковая модель без настройки на следование инструкциям, диалоговый формат, вызов инструментов или режим рассуждений. Она продолжает заданный текст, но может многословно отклоняться от темы или повторяться. Автор предназначает её для воспроизводимости эксперимента и внутренних исследовательских сравнений, а не для продукта или публичного развёртывания. Лицензия — Apache-2.0.

Сценарии применения

  • Продолжение корейского текста
  • Продолжение английского текста
  • Исследовательское сравнение качества корейской и английской генерации
  • Воспроизведение эксперимента по продолженному предобучению
  • Абляционные исследования языковой модели

Ограничения

Модель не настроена на следование инструкциям или диалог, не поддерживает вызов инструментов и может многословно отклоняться от темы или повторяться. Пилот предназначен для исследований и воспроизводимости, а результаты отдельных бенчмарков не подтверждают широких возможностей.

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

Keural Cortex 8B — pilot run (step 954, 3B tokens)

This is a validation artifact, not a product. It exists to answer one question before committing ~19 GPU-days to a full run: does this continued-pretraining recipe move Korean up without moving English down? It is published for reproducibility and internal record, not for use.

Continued pretraining (CPT) of Qwen/Qwen3-8B-Base by MKD Co., Ltd. — Phase 3 ("pilot + gate") of the Keural Cortex 8B plan.

Why a pilot run exists

The project plan describes this phase as existing to "catch in one day what would otherwise be discovered on day 19." CPT on a converged base model can quietly damage it — the wrong learning rate, a bad domain mix, or a corpus defect will show up as English regression that no amount of later training undoes. A 3B-token run costs ~1 day and surfaces that before the 41B-token run starts.

Training

Steps954
Tokens3.00B (954 × 3,145,728)
Sequence length4,096
Global batch3,145,728 tokens/step
Hardware4× H200, FSDP full shard
Precisionbf16 params, fp32 gradient reduction
Peak LR1.0e-5, WSD (2% warmup / 88% stable / 10% decay), min ratio 0.1
OptimizerAdamW, β=(0.9, 0.95), ε=1e-8, wd=0.1, grad clip 1.0
Attentionflash_attention_2
Final loss~1.82–1.94

The learning rate is deliberately 1e-5, not a pretraining-scale 3e-4: pretraining LRs destroy a converged base. This value prioritizes retention over Korean acquisition speed.

Corpus: the same 19-source, 38.78B-token manifest as the full run (Korean, English, code, science/math), sampled proportionally by weight — so the pilot sees the same domain ratios, just fewer tokens.

Evaluation — the gate result

Gate criterion: Korean up AND English within −0.5 pt. Evaluated with lm-evaluation-harness against Qwen3-8B-Base under identical settings. Both models are base models, so this is a like-for-like comparison.

Korean

BenchmarkQwen3-8B-BasePilotΔ
KMMLU53.9153.94+0.03
HaeRae63.0663.15+0.09
KoBEST BoolQ57.0562.96+5.91
KoBEST COPA72.3070.40−1.90
KoBEST HellaSwag47.2047.60+0.40
KoBEST SentiNeg83.8882.62−1.26
Mean+0.55

English

BenchmarkQwen3-8B-BasePilotΔ
MMLU74.7074.24−0.46
ARC-Challenge (acc_norm)57.2559.30+2.05
HellaSwag (acc_norm)78.5978.38−0.21
WinoGrande72.3873.48+1.10
Mean+0.62

Verdict: PASS. Korean mean up, English mean up (well inside the −0.5 pt tolerance), no single English benchmark outside it. The full 41B-token run was launched on this basis.

How to read these numbers honestly

The headline "+0.55 Korean" overstates what was demonstrated:

  • KMMLU (+0.03) and HaeRae (+0.09) are flat. These are the two substantive Korean knowledge benchmarks, and 3B tokens moved neither.
  • The mean is carried by one task. KoBEST BoolQ (+5.91) is binary yes/no; a gain of that size on a 2-class task is as consistent with calibration shift as with knowledge gain. Two other KoBEST tasks regressed.
  • So the gate proved the safe half of its question. It showed the recipe does not damage the model — English held and slightly improved, which is the genuinely valuable finding. It did not establish that Korean capability improves by a useful margin. The project's own plan records this as "Korean gain magnitude — direction confident, magnitude not."

Two further caveats:

  • GSM8K is not comparable. Base was scored on all 1,319 samples (84.69 strict-match); the pilot was scored on a 300-sample subset (85.33) to work around a generation-throughput problem. Do not read a delta into that pair.
  • Benchmark decontamination has not been run. N-gram overlap against MMLU, GSM8K, KMMLU, HaeRae, KoBEST and others is an outstanding item. Until it is done, treat every number here as internal-only and not publishable.

What this model cannot do

It is a base model. Qwen3-8B-Base has no instruction following, no chat format, no tool calling and no thinking mode; CPT adds none of them. It continues text rather than answering instructions, and will ramble or repeat. The chat_template.jinja is inherited from the base tokenizer and does not indicate chat tuning.

Context length is 32,768 (native, unchanged from base).

Relationship to other checkpoints

CheckpointTokensPurpose
this — pilot step 9543Brecipe validation (Phase 3)
full step 5000~15.7Bmain run, in progress (Phase 4)
full step 1303441Bmain run target

The pilot is a separate run from the main CPT, not an early checkpoint of it. Both start from Qwen3-8B-Base with the same recipe and manifest.

License and attribution

Apache 2.0, inherited from Qwen/Qwen3-8B-Base. This is a derivative work of Qwen3-8B-Base by Alibaba Cloud.

Intended use

Internal research, reproducibility and ablation reference only. Not for production, not for public-facing deployment, and not a basis for capability claims.

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
b40e6f9

0 моделей