/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
17 сен 2026

UW1-PROSPER

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen2.5-7B для генерации диалоговых ответов с оптимизацией предпочтений по методу PROSPER.

460скачиваний за 30 дней0лайковвеса обновлены17 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

UW1-PROSPER — экспериментальная версия Qwen2.5-7B-Instruct, дообученная командой promotion методом PROSPER для генерации диалоговых ответов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и формат safetensors; контекст — до 32 768 токенов. В метаданных также заявлен интерфейс вызова инструментов.

Модель обучали на предпочтениях ответов по протоколу WildChecklists: применили критерий худшей целевой функции и leave-two-out выборки. README описывает экспериментальное сравнение нескольких вариантов функции потерь и приводит оценки на языковых и диалоговых тестах. Эти результаты ограничены отфильтрованным набором запросов, одним seed и локальными судьями, поэтому их нельзя считать подтверждением превосходства или результатами официальных таблиц лидеров. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоговом ассистенте
  • сравнение методов оптимизации предпочтений языковых моделей
  • экспериментальная оценка качества ответов на тестовых наборах

Ограничения

В README указаны отфильтрованная выборка запросов и только один seed; измеренные различия между вариантами не превышают одной стандартной ошибки. Оценки получены локальными судьями и не сопоставимы напрямую с результатами официальных таблиц лидеров.

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

UW1-PROSPER

PROSPER: Algorithm 1 step 7 with the Eq. 11 worst-objective criterion, estimated from M=7 leave-two-out banks over the 64 learner-by-reference fitting pairs

Fine-tuned from Qwen/Qwen2.5-7B-Instruct. One of five arms trained and evaluated under a single protocol so that the only difference between them is the loss.

Training

PanelWildChecklists, four native checklist items per prompt
Prompts319 train / 83 dev
Learner pairs8,932 train (all 28 unordered pairs of 8 sampled responses)
Optimizer steps140 at batch size 128, two epochs
Learning rate3e-7 cosine, warmup 0.1, weight decay 1e-6, grad clip 1.0
Policy seed42 (one seed)
Candidate pool8 learner + 8 reference occurrences, temperature 1, top-p 1, 1024 tokens
Training judgelocal open-weight judge, two judgments per pair and item, both orders

Measurements

Capability columns come from one local harness at the declared few-shot counts; the two preference columns are win rates against each benchmark's released baseline answers, judged by a local 72B open-weight model in both presentation orders.

ModelMMLUARC-CHellaSwagWinoGrandeTruthfulQAGSM8KIFEvalArena-HardAlpacaEvalMT-Bench
base (untrained)0.74270.67240.81410.74980.64800.72100.56750.71650.30758.3063
UW1-NBPO-PW0.74310.67060.81480.75610.64710.72400.57300.72800.31498.3125
UW1-FixedRefNash-PW0.74310.67150.81340.75530.64740.72930.57120.73150.31808.3000
UW1-DPO-soft0.74300.67060.81290.75610.64750.73010.56560.71000.31468.2250
UW1-INPO-soft0.74280.67150.81440.75140.64690.72710.58230.74350.33328.2025
UW1-SPPO0.74270.67320.81480.75140.64390.73310.56930.74300.36688.3526
UW1-PROSPER0.74270.66980.81350.74740.64850.73010.55450.72450.30538.3019

Three limits that apply to every row

  1. The prompt set is a filtered subset. 2,000 prompts were requested; 750 were judged under a reduced budget, 660 had complete feedback, 344 passed the Nash certificate and 319 survived the representability filter. The surviving prompts are those with a strictly positive bargaining surplus, so the panel is not a random sample of the dataset.
  2. One seed. Differences between these arms cannot be separated from policy-seed variance, and none of the differences measured so far exceeds a single standard error on any column.
  3. Local judges. No hosted API was called at any point. Arena-Hard normally judges with gpt-4-1106, AlpacaEval 2.0 with weighted_alpaca_eval_gpt4_turbo and MT-Bench with GPT-4; these numbers are comparable across the five arms and are not leaderboard scores.

The five arms

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
01ae80a

0 моделей