/ 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
25 июл 2026

RLCR-smCE-hotpot-seed41

Генерация текстаТекст → текст3 профессии

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

7скачиваний за 30 дней0лайковвеса обновлены26 июл 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-smCE-hotpot-seed41 — языковая модель для генерации текста, созданная дообучением Qwen/Qwen2.5-3B с использованием TRL. Она принимает текстовые запросы в формате диалога и генерирует продолжение или ответ; карточка демонстрирует ответы на вопросы и запуск через Transformers.

Модель имеет плотную архитектуру Qwen2, около 3,1 млрд параметров и контекст до 32 768 токенов. Указан формат весов safetensors. Она подходит для диалоговых сценариев и ответов на вопросы; README не приводит результатов оценки качества или дополнительных сведений о специализации обучения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов на пользовательские вопросы
  • ведение текстового диалога
  • создание продолжений текста по запросу

Ограничения

В README не приведены результаты оценки качества или подтверждённая специализация; лицензия не указана в предоставленных данных.

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-smCE-hotpot-seed41

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-smCE-hotpot-seed41", 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
dc4c034

0 моделей