/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
30,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
27 авг 2025

qqWen-7B-pretrain

Генерация текстаТекст → текст

Модель на базе Qwen2.5, предварительно обученная Morgan Stanley для генерации кода и решения задач на языке Q.

184скачиваний за 30 дней0лайковвеса обновлены27 авг 2025

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

qqWen-7B-Pretrain — языковая модель Morgan Stanley на 7,1 млрд параметров, основанная на плотной архитектуре Qwen2.5 и дополнительно предварительно обученная для работы с языком программирования Q. Она предназначена для генерации кода и решения задач на Q, в том числе связанных с векторными вычислениями и анализом временных рядов.

Модель принимает текст и генерирует текст. В метаданных указан контекст до 32 768 токенов и поддержка диалогового режима. Q применяется в финансовых рынках, высокочастотной торговле, управлении рисками, анализе рыночных данных и количественных исследованиях. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Модель специализирована на Q, поэтому её пригодность для других языков программирования и общих задач не следует считать подтверждённой. В карточке не приведены результаты оценки качества.

Сценарии применения

  • генерация кода на языке Q
  • объяснение синтаксиса Q
  • помощь с векторными вычислениями на Q
  • написание кода для анализа временных рядов на Q
  • поддержка количественных исследований на Q

Ограничения

Модель специализирована на языке Q; применимость к другим языкам и общим задачам не подтверждена. В README не приведены результаты оценки качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qqWen-7B-Pretrain: Reasoning-Enhanced Q Programming Language Model

Model Overview

qqWen-7B-Pretrain is a 7-billion parameter language model specifically designed for advanced reasoning and code generation in the Q programming language. Built upon the robust Qwen 2.5 architecture, this model has undergone pretraining for the Q programming language.

Associated Technical Report: Report

🔤 About Q Programming Language

Q is a high-performance, vector-oriented programming language developed by Kx Systems, primarily used in:

  • Financial Markets: High-frequency trading, risk management, and market data analysis
  • Time-Series Analytics: Real-time processing of large-scale temporal data
  • Data Science: Efficient manipulation of large datasets with concise syntax
  • Quantitative Research: Mathematical modeling and statistical analysis

Key Q Language Features:

  • Vector Operations: Built-in support for element-wise operations on arrays
  • Functional Programming: First-class functions and powerful combinators
  • Memory Efficiency: Optimized for handling large datasets in minimal memory
  • Speed: Exceptional performance for numerical computations
  • Concise Syntax: Expressive code that can accomplish complex tasks in few lines

📝 Citation

If you use this model in your research or applications, please cite our technical report.

@misc{hogan2025technicalreportfullstackfinetuning,
      title={Technical Report: Full-Stack Fine-Tuning for the Q Programming Language}, 
      author={Brendan R. Hogan and Will Brown and Adel Boyarsky and Anderson Schneider and Yuriy Nevmyvaka},
      year={2025},
      eprint={2508.06813},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2508.06813}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
c3a9ad7

0 моделей