This repository contains the LongSpec model described in LongSpec: Long-Context Lossless Speculative Decoding with Efficient Drafting and Verification.
For training and usage, see the code at https://github.com/sail-sg/LongSpec.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 32 млрд
- Лицензия
- MIT
- Архитектура
- qwen2 · dense
- Библиотека
- transformers
- Опубликована
- 14 фев 2025
Ссылки
longspec-QwQ-32B-Preview
32-миллиардная модель семейства Qwen2 для генерации текста и экспериментов с ускоренным декодированием длинных контекстов.
186скачиваний за 30 дней0лайковвеса обновлены27 июл 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
sail/longspec-QwQ-32B-Preview — модель семейства Qwen2 с 32 млрд параметров, опубликованная как часть проекта LongSpec. Она предназначена для генерации текста и связана с исследованием ускоренного спекулятивного декодирования без потери качества на длинном контексте. В репозитории указаны архитектура Qwen2, библиотека Transformers и формат safetensors; заявленная длина контекста — 32 768 токенов.
README отсылает к коду проекта для обучения и использования, но не описывает отдельные прикладные сценарии или языки модели. Репозиторий использует лицензию MIT. Доступные сведения подтверждают назначение для генерации текста и экспериментов с декодированием, но не позволяют определить конкретные гарантии качества модели.
Сценарии применения
- генерация текста на длинном контексте
- эксперименты со спекулятивным декодированием
- сравнение способов ускорения генерации текста
Ограничения
README не приводит оценок качества, поддерживаемых языков или практических сценариев; для обучения и использования в нём дана ссылка на код проекта без подробностей.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen2GlideDecoderLayer
- Ревизия весов
- 4ea41e7