Экспериментальная дообученная версия Qwen3-8B для генерации диалоговых ответов с настройкой на следование инструкциям, правдивость, честность и полезность.
36скачиваний за 30 дней0лайковвеса обновлены6 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.
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
Panacea on Qwen3-8B — экспериментальный вариант языковой модели, созданный на основе Qwen/Qwen3-8B с применением метода SVD-LoRA и оптимизации предпочтений. В README указано, что модель обучалась на панели UltraFeedback по четырём целям: следование инструкциям, правдивость, честность и полезность; итоговые веса выбраны по 100 проверочным запросам. Обучение включало 300 обновлений оптимизатора с глобальным размером пакета 16.
Модель предназначена для генерации диалогового текста и ответов, согласованных с заданными предпочтениями. Архитектура — плотная Qwen3ForCausalLM; размер — 7,6 млрд параметров, контекст — до 40 960 токенов. Базовая Qwen3-8B описана как многоязычная модель для генерации, рассуждений, следования инструкциям, кода и вызова инструментов; эти возможности базовой модели не обязательно полностью сохранены после дообучения.
Опубликованные сведения описывают эксперимент настройки и протокол оценки, но не приводят численные результаты и не позволяют оценить выигрыш относительно базовой модели. Лицензия репозитория указана как llama3.1.
Сценарии применения
генерация ответов на инструкции
создание диалоговых ответов с ориентацией на полезность
сравнение вариантов настройки языковой модели на предпочтения
исследовательская оценка правдивости и честности ответов
Ограничения
README не сообщает численные результаты оценки, поэтому качество и величину улучшения относительно базовой модели установить нельзя. Настройка выбрана по 100 проверочным запросам, а обучение ограничено 300 обновлениями; перенос результатов на другие запросы не подтверждён приведёнными данными.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Panacea (Zhong et al., NeurIPS 2024): SVD-LoRA with k = 8 preference-agnostic singular values and the preference vector injected as the remaining ones, LS aggregation, exported at lambda = (0.15, 0.55, 0.15, 0.15), chosen on 100 validation prompts only.
Evaluation protocol: independent objective-wise win rate against the common reference,
judged by Llama-3.3-70B-Instruct on prompt-disjoint held-out prompts, both presentation orders.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров