/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,6 млн
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
10 авг 2026

tiny-qwen3-30m-zh

Генерация текстаТекст → текст3 профессии

Компактная базовая модель Qwen3, обученная с нуля для экспериментов и генерации китайского текста.

46скачиваний за 30 дней0лайковвеса обновлены17 авг 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

Tiny Qwen3 30M Chinese — компактная причинная языковая модель семейства Qwen3, обученная автором репозитория с нуля на корпусе richarddzh/chinese-small-lm-corpus. Модель содержит около 29,6 млн параметров, использует архитектуру Qwen3ForCausalLM и реализована для Transformers в формате safetensors. Для генерации поддерживает контекст до 1 024 токенов; предобучение выполнялось на последовательностях длиной 512 токенов.

Модель предназначена для экспериментов с предобучением языковых моделей, обучением токенизатора и генерацией китайского текста. Это базовая модель, а не чат- или инструкционная версия, поэтому она не рассчитана на надёжное следование пользовательским инструкциям.

Небольшой размер удобен для учебных экспериментов и воспроизводимого изучения этапов обучения. Ограниченные знания, рассуждения и работа с контекстом могут приводить к повторам, несвязному или фактически неверному тексту и проявлению смещений корпуса; модель не следует применять для решений с высокими последствиями. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • генерация продолжений на китайском языке
  • учебные эксперименты с предобучением языковых моделей
  • изучение обучения токенизатора byte-level BPE
  • эксперименты с упаковкой текстовых корпусов в последовательности
  • воспроизводимое обучение небольшой причинной языковой модели

Ограничения

Это небольшая экспериментальная базовая модель без настройки на инструкции: её знания, рассуждения и обработка контекста ограничены, а генерации могут быть повторяющимися, несвязными или фактически неверными. Не следует полагаться на неё в задачах с высокими последствиями.

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

Tiny Qwen3 30M Chinese

Tiny Qwen3 30M Chinese is a 29.57M-parameter Chinese causal language model trained from scratch on the Chinese Small LM Corpus. It is a compact educational model for experimenting with tokenizer training, language-model pretraining, checkpointing, and Chinese text generation in the Hugging Face ecosystem.

This is a base language model, not an instruction-tuned or chat model.

Dataset

The model uses the train split of richarddzh/chinese-small-lm-corpus. The dataset is shuffled with seed 42, after which 10,000 documents are reserved for validation and the remaining documents are used for training.

Data preparation:

  • Empty texts are discarded.
  • Texts are tokenized without automatically added special tokens and separated with <|endoftext|>.
  • Tokens from consecutive documents are concatenated and packed into fixed 512-token sequences without padding.
  • Validation uses the same packing procedure and is limited to 256 packed sequences (131,072 tokens) per evaluation.

Tokenizer

A byte-level BPE tokenizer is trained from scratch on up to 100,000 training documents, with each document truncated to 2,000 characters for tokenizer training. It uses NFC normalization, an 8,192-token vocabulary, a minimum token frequency of 2, and the special tokens <|endoftext|>, <unk>, <|im_start|>, and <|im_end|>. The tokenizer supports sequences up to 1,024 tokens, while pretraining uses 512-token sequences.

Model architecture

ParameterValue
ArchitectureQwen3ForCausalLM
Parameters29,567,616
Vocabulary size8,192
Hidden size512
Transformer layers9
Attention heads8
Key/value heads2 (GQA)
Head dimension64
MLP intermediate size1,408
Maximum position embeddings1,024
RoPE theta1,000,000
Tied input/output embeddingsYes

Training method

The model is pretrained from random initialization with the standard next-token causal language-modeling objective. The notebook uses the Hugging Face Trainer, packed iterable datasets, mixed precision when supported, gradient accumulation, periodic validation, and checkpoint-based resume.

Training configuration

ParameterValue
OptimizerAdamW (adamw_torch_fused on CUDA)
Maximum optimizer steps30,000
Sequence length512
Micro-batch size32 sequences/device
Gradient accumulation2 steps
Effective batch size64 sequences / 32,768 tokens
Learning rate5e-4
SchedulerCosine
Warmup steps200
Weight decay0.1
Adam betas(0.9, 0.95)
Gradient clipping1.0
PrecisionBF16 when supported; otherwise FP16 on CUDA or FP32 on CPU
Evaluation interval250 steps
Checkpoint interval250 steps
Random seed42

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "richarddzh/tiny-qwen3-30m-zh"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id)

prompt = "问题:太阳是地球的什么?回答:太阳是"
inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=False)

with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=80,
        do_sample=True,
        temperature=0.8,
        top_p=0.9,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.eos_token_id,
    )

print(tokenizer.decode(output[0], skip_special_tokens=True))

Reproducibility

The complete data preparation, tokenizer training, model configuration, pretraining, evaluation, and upload workflow is available in the training notebook.

Limitations

This is a small experimental base model. Its factual knowledge, reasoning ability, instruction-following behavior, and context handling are limited. Generated text may be repetitive, inconsistent, factually incorrect, or reflect biases and artifacts in the training corpus. Do not use it for high-stakes decisions or assume its outputs are accurate.

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
d8c4f78

0 моделей