/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
11 авг 2026

Qwen3-4B-Dolci-Think-SFT-7B

Генерация текстаТекст → текст5 профессий

Дообученная на Dolci-Think-ом корпусе Qwen3-4B генерирует диалоговые ответы с рассуждениями.

15скачиваний за 30 дней0лайковвеса обновлены11 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

Qwen3-4B-Dolci-Think-SFT-7B — разговорная языковая модель, созданная полным supervised fine-tuning модели Qwen/Qwen3-4B командой sagisch на 600 тысячах примеров из allenai/Dolci-Think-SFT-7B. Это плотная авторегрессионная модель семейства Qwen3 с примерно 3,7 млрд параметров; она генерирует ответы и рассуждения, помещая рассуждения в блоки `...`. Контекст составляет 40 960 токенов.

Модель предназначена для диалогов и генерации ответов с пошаговыми рассуждениями. Обучение проведено за одну эпоху на одном наборе данных без preference tuning и RL; стандартные бенчмарки рассуждений не приведены, поэтому превосходство над базовой моделью не подтверждено. Для генерации рекомендованы настройки Qwen3 thinking mode: temperature 0.6, top-p 0.95 и top-k 20; жадное декодирование может приводить к повторениям.

Модель распространяется под лицензией Apache-2.0. В README указано, что специального safety tuning при дообучении не проводилось; модель наследует ограничения Qwen3-4B и возможные смещения данных Dolci-Think.

Сценарии применения

  • диалоговые ответы с пошаговыми рассуждениями
  • генерация объяснений к ответам
  • эксперименты с компрессией цепочек рассуждений
  • дообучение разговорной модели на основе Qwen3

Ограничения

Обучена за одну эпоху на одном наборе SFT-данных, без дополнительной preference tuning или RL; стандартные бенчмарки не приведены, поэтому улучшение относительно базовой модели не подтверждено. Специального safety tuning не проводилось; жадное декодирование может вызывать повторения.

Для каких профессий подходит5

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

Qwen3-4B-Dolci-Think-SFT-7B

Qwen/Qwen3-4B after full-parameter supervised fine-tuning on a 600k-example subset of allenai/Dolci-Think-SFT-7B.

The model emits reasoning inside <think>...</think> blocks, as the base model and the SFT data both do. It was trained as the starting checkpoint for research on compressing chain-of-thought traces into short sequences of abstract-token embeddings, but nothing about the checkpoint is specific to that use — it is an ordinary reasoning SFT of Qwen3-4B.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "sagisch/Qwen3-4B-Dolci-Think-SFT-7B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="auto", device_map="auto")

messages = [{"role": "user", "content": "How many r's are in strawberry?"}]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, return_tensors="pt"
).to(model.device)

out = model.generate(inputs, max_new_tokens=2048, temperature=0.6, top_p=0.95, top_k=20)
print(tokenizer.decode(out[0][inputs.shape[-1]:], skip_special_tokens=True))

Use the Qwen3 thinking-mode sampling settings — temperature 0.6, top-p 0.95, top-k 20. Greedy decoding is explicitly discouraged for Qwen3 and tends to produce repetition collapse. Context length is 40,960 tokens (max_position_embeddings), inherited from the base model.

Training

Base modelQwen/Qwen3-4B (4B params, 36 layers)
Dataallenai/Dolci-Think-SFT-7B, deterministic 600k-example train subset (20k held out for eval)
ObjectiveCross-entropy on assistant tokens only (prompt and template tokens masked)
Steps4,518 (1 epoch), ~6.0B tokens seen
Global batch128 sequences, token-budget batching at 32,768 tokens/micro-batch
Max sequence length32,768 (2,716 of 600k rows dropped as longer)
OptimizerAdamW, lr 1e-5, cosine schedule, 3% warmup, β=(0.9, 0.95), wd 0.1, grad clip 1.0
Precisionfp32 master weights, bf16 autocast, SDPA attention, gradient checkpointing
Hardware4× H100, DDP
Seed1337

Held-out eval loss over training (20k-example split, 512 examples per eval):

Step1032003600400044004518
eval loss—0.84620.84500.84440.84420.8442

Train loss started at 1.2502 (step 10) and ended near 0.77–0.85. The curve is flat over the last ~1,000 steps, so this is a converged single epoch rather than an early stop.

These weights are the run's best checkpoint by held-out loss, cast to bf16. Optimizer state is not included — this checkpoint is for inference and further fine-tuning from scratch-initialized optimizer state, not for resuming the original run.

Evaluation

No benchmark numbers are reported here yet. Loss above is held-out cross-entropy on the Dolci eval split, which is a language-modeling metric, not a task-accuracy metric — do not read it as a capability comparison against the base model.

Limitations

  • Single epoch on one SFT dataset, with no preference tuning or RL on top. It inherits the base model's limitations and adds Dolci-Think's distributional biases.
  • No safety tuning was performed beyond whatever the base model and dataset carry.
  • Not evaluated on standard reasoning benchmarks, so any claim of improvement over Qwen/Qwen3-4B is currently unsupported.

License

Apache-2.0, inherited from Qwen/Qwen3-4B. Dolci-Think-SFT-7B carries its own terms; see the dataset card.

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
66cb011

0 моделей