/ Модель

Характеристики

Контекст
262 144 токена
Параметры
581 млн
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-0.8B-Base
Библиотека
transformers
Опубликована
22 авг 2026

Qwen3.5-0.8B-Rollback-CPT-Full

Генерация текстаТекст → текст3 профессии

Дообученная текстовая модель Qwen3.5, которая продолжает текст и может выдавать команды для отката и переписывания уже созданного продолжения.

111скачиваний за 30 дней0лайковвеса обновлены10 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.

  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

Qwen3.5-0.8B-Rollback-CPT-Full — текстовая причинно-языковая модель на архитектуре Qwen3.5, разработанная mtybilly путём полного дообучения Qwen/Qwen3.5-0.8B-Base. В обучении использована смесь объёмом 300 млн токенов, включая данные для продолжения текста и примеры отката; модель насчитывает 581,4 млн параметров и имеет контекст до 262 144 токенов. Лицензия — Apache-2.0.

Модель предназначена для генерации и продолжения текста с возможностью отозвать часть уже выданного продолжения и переписать его: она генерирует команду N, задающую число видимых токенов для удаления. Для работы с результатом нужен стековый интерпретатор, который применяет команды отката; обычный декодированный текст сохраняет удалённые фрагменты. Модель обучена для обычного продолжения текста, а не диалогового шаблона.

В проверках команда отката срабатывала на обычных промптах, но не в чат-шаблоне. В тесте с внедрёнными ошибками частота срабатываний не различалась для верных и неверных фрагментов, поэтому зависимость отката от содержания и его своевременность пока не подтверждены. В оценках общих задач отмечено снижение относительно базовой модели, а преимущество на GSM8K наблюдалось в формате обычного продолжения; это ограничивает уверенность в применении модели вне обученного формата.

Сценарии применения

  • эксперименты с генерацией текста, допускающей откат фрагментов
  • продолжение текста в обычном, нечатовом формате
  • изучение самокоррекции при генерации последовательностей
  • тестирование интерпретатора команд отката для токенов

Ограничения

Команды отката срабатывали только при обычном продолжении текста и не срабатывали с чат-шаблоном; их зависимость от содержания и своевременность не подтверждены. Для корректного результата требуется стековый интерпретатор, а оценки ряда общих задач немного ниже базовой модели.

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

Qwen3.5-0.8B-Rollback-CPT-Full

Qwen3.5-0.8B-Base trained to emit <UNDO>N</UNDO>, a stack-semantic command that deletes the last N visible tokens so the model can retract a continuation it has already produced and rewrite it. <UNDO> and </UNDO> are atomic tokens (ids 248077 / 248078) occupying spare rows of the Qwen3.5 vocabulary, so the embedding matrix is not resized.

Training

One merged stage over a 300M-token mixture, full fine-tune, 1016 steps, 1 epoch, lr 2e-5, 4x A40. Labels differ per source: raw_replay (48%, FineWeb-Edu) is fully supervised in the CPT sense, while the remaining 52% is prompt-masked SFT (tulu 13%, on-policy undo 11% and clean 14%, long-context undo 9% and clean 5%). The rollback rows come from mtybilly/RollbackTraj v2, where N is derived at build time from the tokens actually emitted, cut at sentence boundaries, giving realized N a p50 of 162 and a p99 of 1898.

Guardrail evaluation

Absolute change against Qwen3.5-0.8B-Base. The pre-registered threshold was a drop of at most 2.0 points per task.

taskbasethis modeldelta
MMLU0.52850.5126-1.59
HellaSwag acc_norm0.54890.5427-0.62
IFEval inst strict (chat)0.47600.4664-0.96
GSM8K flexible (chat)0.48370.4488-3.49
GSM8K flexible (plain)0.14030.2942+15.39
IFEval inst strict (plain)0.39690.3405-5.64

Two tasks exceed the threshold. The pattern is a shift rather than a loss: the model moves toward the plain-continuation regime its rollback data is written in, gaining sharply on plain-format GSM8K while giving up ground in the chat regime.

Rollback behaviour, and the main caveat

probechat promptplain prompt
three-arm trigger rate0.0%10.5%
injected-error trigger rate0.0%6.0%

The command fires only under plain continuation prompts, matching the format it was trained in; under a chat template it never fires. The 0% is not a measurement artifact -- the probes decode with skip_special_tokens=False and detect the command by token id, and the marker rows drifted 0.425 and 0.493 from base against 0.009 for an ordinary row.

In the injected-error probe the trigger rate was identical (6.0%) whether the planted prefix was wrong or correct, p = 1.0. On that evidence the trigger is not yet demonstrably content-driven, though each condition had only 12 triggering items, too few to resolve a modest effect. Treat rollback timing as unvalidated.

Use

from transformers import AutoTokenizer, AutoModelForCausalLM
tok = AutoTokenizer.from_pretrained("mtybilly/Qwen3.5-0.8B-Rollback")
model = AutoModelForCausalLM.from_pretrained("mtybilly/Qwen3.5-0.8B-Rollback")

Prompt as plain continuation text, not with a chat template. Generated text must be passed through a stack interpreter that applies each <UNDO>N</UNDO> before the output is read; the raw decode still contains the retracted spans.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
a241ed6

0 моделей