Uploaded finetuned model
- Developed by: ohkwon
- License: apache-2.0
- Finetuned from model : NotoriousH2/Qwen3-0.6B-JSON-SFT
This qwen3 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 40 960 токенов
- Параметры
- 508 млн
- Лицензия
- Apache 2.0
- Архитектура
- qwen3 · dense
- Базовая модель
- Qwen3-0.6B-JSON-SFT
- Опубликована
- 2 окт 2026
Ссылки
Qwen3-0.6B-JSON-SFT-GRPO
Компактная дообученная модель Qwen3 для генерации текста и структурирования сведений из корейских протоколов совещаний в JSON.
276скачиваний за 30 дней0лайковвеса обновлены2 окт 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель ohkwon/Qwen3-0.6B-JSON-SFT-GRPO — дообученная компактная языковая модель семейства Qwen3 с архитектурой Dense и 507,9 млн параметров. Она основана на NotoriousH2/Qwen3-0.6B-JSON-SFT и предназначена для генерации текста, в частности для извлечения сведений из корейских протоколов совещаний и их представления в формате JSON. Модель поддерживает контекст до 40 960 токенов и имеет разговорный интерфейс.
Модель опубликована под лицензией Apache-2.0. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL; деталей о качестве, оценке и устойчивости генерации JSON не приведено.
Сценарии применения
- извлечение метаданных из корейских протоколов совещаний
- выделение поручений из протоколов встреч
- извлечение принятых решений из заметок совещаний
- выявление препятствий и проблем в протоколах
- формирование JSON по тексту совещания
Ограничения
Карточка не приводит результатов оценки качества или подробностей о надёжности структурированного JSON-вывода.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейIII.10Корпоративные функцииПроекты, процессы и операционное управлениеAI помогает планировать работу, обнаруживать отклонения и улучшать операционные процессы.25 задач2 527моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen3ForCausalLM
- Ревизия весов
- 905dd83