/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
K2-Think
Библиотека
transformers
Опубликована
2 сен 2026

k2-v2-think-dpo-checkpoint-200

Генерация текстаТекст → текст7 профессий

Промежуточный чекпойнт K2-Think после DPO/RPO для диалоговой генерации текста и рассуждений.

150скачиваний за 30 дней0лайковвеса обновлены2 сен 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

sambal/k2-v2-think-dpo-checkpoint-200 — промежуточный чекпойнт модели K2-v2-Think, созданный на основе LLM360/K2-Think разработчиком sambal. Это плотная авторегрессионная языковая модель архитектуры Qwen2ForCausalLM класса 32B с контекстом 131 072 токена, предназначенная для генерации текста в диалоговом формате и задач рассуждения. Чекпойнт соответствует итерации 200 из 496 в запуске дообучения предпочтениям с sigmoid DPO и RPO; веса объединены и сохранены в BF16 в формате safetensors для Transformers.

Модель может использоваться для диалоговых ответов и генерации текста с рассуждениями, однако это промежуточное состояние обучения, а не завершённая версия: перед применением в целевых сценариях требуется оценить качество. Карточка указывает шаблон чата K2 v2 high. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текстовых ответов с пошаговыми рассуждениями
  • экспериментальная оценка обучения предпочтениям DPO
  • сравнение промежуточного чекпойнта с базовой моделью

Ограничения

Это промежуточный чекпойнт на итерации 200 из 496; качество для целевых задач следует проверить до развёртывания. README не подтверждает поддержку конкретных естественных языков.

Для каких профессий подходит7

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

K2-v2-Think DPO - checkpoint 200

This repository contains the merged BF16 Hugging Face checkpoint from iteration 200 of a 496-iteration, four-node DPO run.

Details

  • Base model: LLM360/K2-Think
  • Architecture: Qwen2ForCausalLM (32B class)
  • Training objective: sigmoid DPO (beta=0.1) with RPO (alpha=0.1)
  • Chat template: K2 v2 high, included as chat_template.jinja
  • Format: merged Transformers checkpoint, 14 BF16 safetensors shards
  • Training state: intermediate checkpoint at iteration 200/496

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "sambal/k2-v2-think-dpo-checkpoint-200"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype="auto",
    device_map="auto",
)

This is an intermediate preference-training checkpoint. Evaluate it on the intended downstream tasks before deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
1a69169

0 моделей