/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
18 сен 2026

qwen2.5-0.5b-dpo

Генерация текстаТекст → текст4 профессии

Компактная дообученная DPO-модель семейства Qwen2 для диалогов, ответов на вопросы и генерации текста по инструкциям.

336скачиваний за 30 дней0лайковвеса обновлены18 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

rautaditya/qwen2.5-0.5b-dpo — дообученная модель для генерации текста на основе Qwen/Qwen2.5-0.5B-Instruct. Разработчик сообщает, что модель обучена с использованием TRL; тег DPO указывает на дообучение методом Direct Preference Optimization. Это компактная плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, рассчитанная на диалоговый режим и выполнение инструкций.

Модель принимает текстовые сообщения и генерирует текстовые ответы. Её можно применять для диалогов, ответов на вопросы и генерации текста по запросу; максимальная длина контекста составляет 32 768 токенов. Карточка приводит пример запуска через Transformers и text-generation pipeline.

Модель унаследовала основу от Qwen2.5-0.5B-Instruct. В карточке не описаны результаты оценки качества, обучающие данные и условия лицензирования самой производной модели, поэтому эти характеристики нельзя определить по предоставленным сведениям.

Сценарии применения

  • ведение текстового диалога
  • ответы на вопросы пользователя
  • генерация текста по инструкции
  • создание коротких ответов и пояснений

Ограничения

В предоставленной карточке нет результатов оценки качества, описания обучающих данных или сведений о лицензии производной модели. Компактный размер модели может ограничивать сложные рассуждения и точность ответов.

Для каких профессий подходит4

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 qwen2.5-0.5b-dpo

This model is a fine-tuned version of Qwen/Qwen2.5-0.5B-Instruct. 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="rautaditya/qwen2.5-0.5b-dpo", 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 DPO, a method introduced in Direct Preference Optimization: Your Language Model is Secretly a Reward Model.

Framework versions

  • TRL: 1.13.0
  • Transformers: 5.17.0
  • Pytorch: 2.11.0+cu128
  • Datasets: 5.0.1
  • Tokenizers: 0.23.1

Citations

Cite DPO as:

@inproceedings{rafailov2023direct,
    title        = {{Direct Preference Optimization: Your Language Model is Secretly a Reward Model}},
    author       = {Rafael Rafailov and Archit Sharma and Eric Mitchell and Christopher D. Manning and Stefano Ermon and Chelsea Finn},
    year         = 2023,
    booktitle    = {Advances in Neural Information Processing Systems 36: Annual Conference on Neural Information Processing Systems 2023, NeurIPS 2023, New Orleans, LA, USA, December 10 - 16, 2023},
    url          = {http://papers.nips.cc/paper_files/paper/2023/hash/a85b405ed65c6477a4fe8302b5e06ce7-Abstract-Conference.html},
    editor       = {Alice Oh and Tristan Naumann and Amir Globerson and Kate Saenko and Moritz Hardt and Sergey Levine},
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

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
d36a62d

0 моделей