/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,8 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
11 авг 2026

RLCR-0.025smCE-hotpot

Генерация текстаТекст → текст3 профессии

Дообученная на базе Qwen2.5-3B модель для генерации текста и диалоговых ответов.

19скачиваний за 30 дней0лайковвеса обновлены12 авг 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

RLCR-0.025smCE-hotpot — дообученная модель генерации текста на базе Qwen/Qwen2.5-3B. Разработчик обучал её с помощью TRL; в карточке приведён пример диалогового ответа на вопрос. Модель имеет архитектуру Qwen2 dense с 3,1 млрд параметров и контекстное окно 32 768 токенов. Она подходит для генерации ответов в диалоге и задач, связанных с Hotpot, однако README не уточняет целевую методику обучения или измеренные качества. Модель использует формат safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответа на вопрос в диалоге
  • создание связного текстового продолжения
  • прототипирование чат-бота на базе Qwen2.5

Ограничения

README не приводит результаты оценки, подробности обучающих данных или конкретные преимущества для задач Hotpot. Лицензия в предоставленных данных не указана.

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

Model Card for RLCR-0.025smCE-hotpot

This model is a fine-tuned version of Qwen/Qwen2.5-3B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="nilgeoutim/RLCR-0.025smCE-hotpot", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 0.16.0.dev0
  • Transformers: 4.48.3
  • Pytorch: 2.5.1+cu124
  • Datasets: 4.0.0
  • Tokenizers: 0.21.1

Citations

Cite GRPO as:

@article{zhihong2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
07b83b7

0 моделей