/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Опубликована
12 июн 2026

focus-patrol-qwen2.5-0.5b-v7

Генерация текстаТекст → текст

Небольшая LoRA-версия Qwen2.5 для классификации браузерных вкладок как полезных для фокуса, нейтральных или отвлекающих.

20скачиваний за 30 дней0лайковвеса обновлены12 июн 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

Focus Patrol — дообученная модель Qwen2.5-0.5B Instruct для классификации браузерных вкладок по трём меткам: focus, neutral и distraction. Её разработал rogeriobayer с помощью PEFT LoRA; базовая модель — Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 494 млн параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов.

Модель предназначена для определения, связана ли открытая вкладка с текущей задачей, нейтральна или отвлекает. В README сообщается о точности 90% на тесте и 80% на валидации; обучающие данные включали 156 размеченных примеров. Для запуска автор приводит пример с Transformers.js и WebGPU. Модель принимает текст и выдаёт текстовую метку классификации.

Модель распространяется по лицензии Apache-2.0. Результаты основаны на небольшом наборе данных, поэтому качество может снижаться на других темах и сценариях просмотра веб-страниц; точность для отдельных меток различалась.

Сценарии применения

  • классификация вкладок браузера по их связи с текущей задачей
  • выявление сайтов, отвлекающих от работы
  • отделение полезных вкладок от нейтральных
  • автоматическая сортировка открытых вкладок по меткам focus, neutral и distraction

Ограничения

Модель обучена на небольшом наборе из 156 размеченных примеров, поэтому заявленные показатели могут не переноситься на другие сайты и сценарии. В README приведены разные значения точности для трёх меток.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Focus Patrol — Fine-tuned Qwen2.5-0.5B v7

Fine-tuned for 3-label browser tab classification: focus, neutral, distraction.

Test accuracy: 90% | Validation accuracy: 80%

Training

  • Base model: Qwen/Qwen2.5-0.5B-Instruct
  • Method: PEFT LoRA (r=16, alpha=32)
  • Data: 156 labeled browsing examples (136 train + 20 validation)
  • Epochs: 5 (early stopping at epoch 3)
  • Hardware: Apple Silicon MPS

Usage with Transformers.js

import { pipeline } from '@huggingface/transformers';

const classifier = await pipeline('text-generation', 'rogeriobayer/focus-patrol-qwen2.5-0.5b-v7', {
    dtype: 'q4',
    device: 'webgpu',
});

const result = await classifier(prompt, {
    max_new_tokens: 64,
    temperature: 0.3,
    do_sample: true,
    return_full_text: false,
});

Performance

LabelTest AccuracyValidation Accuracy
Focus80%100%
Neutral100%73%
Distraction100%83%
Overall90%80%

Training Report

See TRAINING_REPORT.md for full details.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
f182a64

0 моделей