/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Опубликована
15 июл 2026

tablemind-qwen2.5-1.5b

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель Qwen2.5, дообученная для ответов на вопросы по таблицам с контекстом, предоставленным через RAG.

24скачиваний за 30 дней0лайковвеса обновлены15 июл 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

TableMind — языковая модель Qwen2.5-1.5B-Instruct, дообученная Samandar1105 методом QLoRA на 6 956 примерах из WikiTableQuestions для ответов на вопросы по таблицам. Она принимает вопрос и содержимое таблицы или документа, предоставленные при запросе, и формирует ответ, опираясь на эти данные. Предназначена для использования с поисковым слоем RAG, который находит и передаёт нужные материалы; модель сама не содержит знаний о пользовательских таблицах.

Модель имеет плотную архитектуру Qwen2ForCausalLM, 1,5 млрд параметров и контекст до 32 768 токенов. В карточке указана поддержка английского языка и лицензия Apache-2.0. Для числовой точности на больших таблицах рекомендуется связка с выполнением кода и RAG; модель не предназначена для ответов на общие вопросы, не связанные с переданной таблицей.

Сценарии применения

  • ответы на вопросы по найденным таблицам
  • поиск значений и фактов в табличных документах
  • извлечение сведений из таблиц с помощью RAG

Ограничения

Модель рассчитана на английский язык и не предназначена для открытых вопросов, не связанных с переданной таблицей или документом. Для числовой точности на больших таблицах рекомендуется использовать RAG и маршрутизацию к выполнению кода.

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

TableMind — Table Q&A Assistant (fine-tuned Qwen/Qwen2.5-1.5B-Instruct)

Fine-tuned with QLoRA on 6956 examples derived from WikiTableQuestions.

Intended use

This model is designed to be paired with a retrieval layer (RAG) that supplies the actual table/document content at inference time. On its own it knows the format and behavior of grounded table answering; it does not have memorized knowledge of any particular user's data.

Training

  • Base model: Qwen/Qwen2.5-1.5B-Instruct
  • Method: QLoRA (4-bit NF4), r=16, alpha=32
  • Epochs: 2, LR: 2e-4, max seq len: 1024
  • Dataset: WikiTableQuestions, tables truncated to <= 40 rows

Limitations

  • English only. Small model (3B) - pair with the RAG + code-execution router described in the TableMind project guide for numeric accuracy on large tables.
  • Not intended for open-domain trivia unrelated to the provided table/document.

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
0a461a1

0 моделей