/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
14 млрд
Размер весов
59,1 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-14B
Библиотека
transformers
Опубликована
28 сен 2026

imprint-reader-v1.0-0928

Генерация текстаТекст → текст3 профессии

Дообученная на Qwen3-14B языковая модель для исследовательского анализа знаний и поведенческих тенденций, закодированных в смонтированных обновлениях весов.

733скачиваний за 30 дней0лайковвеса обновлены30 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

Imprint Reader v1.0-0928 — исследовательский чекпойнт на основе Qwen3-14B, созданный для исследования чтения обновлений весов. Модель дообучена на сбалансированных примерах знаний и поведенческих тенденций, связанных с замороженными обновлениями весов, смонтированными в согласованных координатах параметров. Это плотная языковая модель с архитектурой Qwen3ForCausalLM, 14 млрд параметров и контекстом до 40 960 токенов.

Для эксперимента обновление весов необходимо передать и смонтировать через совместимую среду Reader; сами веса Reader без смонтированного обновления не анализируют отдельное обновление. Репозиторий содержит объединённые веса Reader и токенизатор, но не содержит обновлений для отдельных примеров или материалов MetaEdit. Модель предназначена для исследовательской оценки, а её открытые выводы недостаточно надёжны для автономного аудита или решений о безопасности. Снижение потерь описания цели отражает выученную совместимость, но не доказывает, что обновление вызовет описанное поведение в базовой модели. Лицензия в доступных данных не указана.

Сценарии применения

  • Исследование чтения знаний из смонтированных обновлений весов
  • Описание предполагаемых поведенческих тенденций обновления модели
  • Оценка совместимости обновления весов с целевым описанием
  • Эксперименты по анализу и вмешательству в поведение моделей

Ограничения

Открытые выводы недостаточно надёжны для автономного аудита и решений о безопасности; оценка совместимости описания не гарантирует, что обновление вызовет описанное поведение в базовой модели. Для анализа обновление требуется смонтировать через Reader runtime; отдельные обновления и материалы MetaEdit в репозитории отсутствуют.

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

Imprint Reader v1.0-0928

GitHub

This is the step-2,800 Imprint Reader checkpoint used in the Semantic Mount-and-Read Tuning (SMaRT) study. It is based on Qwen3-14B and was trained to describe factual knowledge or behavioral tendencies associated with frozen weight updates mounted in aligned parameter coordinates.

The model is described in the paper Imprint Reader: From Weight-Update Readout to Behavioral Intervention.

Intended use

The model is a research artifact for studying weight-update readout. A readout experiment must supply a candidate update and mount it using the Reader runtime; the unmounted model is not given an update to inspect. This repository contains the merged Reader weights and tokenizer, not the item-specific updates used during training or MetaEdit intervention assets.

The Reader was trained on 17,184 balanced knowledge and behavior items with anchor-free meta-queries. The final training and held-out test inputs, data schema, and Reader runtime are in the companion repository: Readout-Vibe-Alignment.

Limitations

Open-ended readout is not reliable enough for autonomous auditing or safety decisions. A lower target-description loss is a learned compatibility signal, not a guarantee that an update causes the described behavior in the base model. The checkpoint and data should be used for research evaluation.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
ad72f8f

0 моделей