/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-14B
Библиотека
transformers
Опубликована
12 мая 2025

R3-Qwen3-14B-4k

Генерация текстаТекст → текст6 профессий

Дообученная на английских примерах reward-модель Qwen3-14B, которая оценивает ответы по заданным рубрикам и объясняет выставленные оценки.

32скачиваний за 30 дней5лайковвеса обновлены21 мая 2025

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

R3-Qwen3-14B-4k — языковая reward-модель из семейства R3, разработанная на базе Qwen3-14B. Она дообучена на наборе R3-Dataset-4K, собранном из 45 источников. Модель оценивает ответы по заданным критериям: вход включает инструкцию и описание задачи, данные, один или несколько ответов и рубрики оценки; результат содержит оценку и обоснование.

Модель предназначена для классификации и оценки качества ответов, сравнения предпочтений и задач вопросно-ответного типа. Это плотная причинная языковая модель на 14 млрд параметров с контекстом до 40 960 токенов. В карточке заявлен английский язык; доступны формат safetensors и лицензия Apache 2.0. Хотя на Hugging Face указана задача text-generation, её специализированное назначение — оценивание ответов по рубрикам.

Сценарии применения

  • оценка ответов языковой модели по заданным критериям
  • сравнение нескольких ответов для оптимизации предпочтений
  • классификация ответов по рубрике
  • оценка качества ответов на вопросы с обоснованием

Ограничения

В README указано обучение на curated-наборе R3, составленном из 45 источников; это может ограничивать переносимость оценок на задачи и критерии вне представленных данных. Карточка не приводит результатов независимой оценки качества.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

R3-Qwen3-14B-4k

R3-Qwen3-14B-4k is part of the R3 family, a series of Robust Rubric-Agnostic Reward Models. We perform SFT on the Qwen3 model family on the 4B, 8B, and 14B scales as well as on Phi-4-reasoning plus. Check out our paper for more information!

Model description

  • Model type: A reward model trained on a curated R3 dataset collected from 45 diverse sources that covers tasks such as classification, preference optimization, and question answering. Each example in the dataset contains an instruction and task description, input, response(s), evaluation rubrics, and a score along with the corresponding reasoning.
  • Language(s) (NLP): English
  • License: Apache 2.0
  • Finetuned from model: Qwen/Qwen3-14B

Model Sources

Using the Model

from transformers import AutoTokenizer
from vllm import LLM, SamplingParams

model_path = "rubricreward/R3-Qwen3-14B-4k"
tokenizer = AutoTokenizer.from_pretrained(model_path)
sampling_params = SamplingParams(temperature=0.6, top_p=0.95, max_tokens=8192, min_p=0, top_k=20)

llm = LLM(
  model=model_path,
  dtype="bfloat16",
  max_model_len=10000,
  tensor_parallel_size=2,
  gpu_memory_utilization=0.9,
  enforce_eager=True,
)

messages: list[dict[str, str]] = [
  {'content': "Evaluate the response based on the given task, input, response, and evaluation rubric. Provide a fair and detailed assessment following the rubric...", 'role': 'user'}
]

list_text = tokenizer.apply_chat_template(
  messages,
  tokenize=False,
  add_generation_prompt=True,
  enable_thinking=True # Switch between thinking and non-thinking modes. 
)

outputs = llm.generate(list_text, sampling_params)

License and use

R3 is licensed under the Apache 2.0 license.

Citation

@article{anugraha2025r3,
  title={R3: Robust Rubric-Agnostic Reward Models},
  author={Anugraha, David and Tang, Zilu and Miranda, Lester James V. and Zhao, Hanyang and Farhansyah, Mohammad Rifqi and Kuwanto, Garry and Wijaya, Derry and Winata, Genta Indra},
  journal={arXiv preprint arXiv:2505.13388},
  year={2025}
}

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
d9c23b8

0 моделей