/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
6,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
24 сен 2026

ML-LaySum-Qwen3-1.7B-SFT

Генерация текстаТекст → текст3 профессии

Модель на базе Qwen3-1.7B создаёт англоязычные понятные неспециалистам пересказы научных статей по машинному обучению.

188скачиваний за 30 дней0лайковвеса обновлены24 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

ML-LaySum-Qwen3-1.7B-SFT — плотноеязыковая модель на 1,7 млрд параметров, созданная Sandeep123 полным supervised fine-tuning модели Qwen/Qwen3-1.7B. Она принимает текстовые фрагменты научной статьи по машинному обучению — аннотацию, введение и заключение — и генерирует на английском языке краткое изложение для неспециалиста. Генерация использует режим Qwen3 без пошагового рассуждения; модель работает через Transformers, сохраняется в формате Safetensors и поддерживает контекст до 40 960 токенов.

Модель предназначена для подготовки доступных широкому читателю пересказов исследований в области машинного обучения. Обучение проводилось на датасете ML-LaySum с lay summaries статей ICML 2025 и 2026 годов; тестовые данные не использовались для обучения или выбора чекпойнта.

Это базовый SFT-чекпойнт без завершённой оценки на отложенных генерациях и без человеческой оценки качества. В результатах могут пропускаться оговорки, искажаться выводы или появляться неподтверждённые объяснения, поэтому пересказы нужно сверять с оригинальной статьёй. Лицензия — Apache-2.0.

Сценарии применения

  • подготовка краткого пересказа статьи по машинному обучению для широкой аудитории
  • объяснение аннотации, введения и заключения научной статьи простым языком
  • создание черновиков lay summary для исследований в области машинного обучения

Ограничения

Чекпойнт ещё не прошёл отложенную оценку генераций или оценку людьми; возможны пропуск оговорок, искажение выводов и неподтверждённые объяснения. Перед публикацией пересказ следует сверять с исходной статьёй.

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

ML-LaySum Qwen3-1.7B SFT

A full-parameter supervised fine-tuning of Qwen3-1.7B for English lay summarization of machine-learning research. It takes the abstract, introduction, and conclusion of a paper and generates a summary for a non-specialist reader. Generation uses Qwen3's non-thinking mode.

Training

SettingValue
Base modelQwen/Qwen3-1.7B (chat checkpoint)
Base revision70d244cc86ccca08cf5af4e1e306ecf908b1ad5e
DatasetML-LaySum; ICML 2025 and 2026 papers and lay summaries
Dataset revisiona983411ae5100d8805f2852e10ebd43647001586
Training / validation / held-out test6,911 / 879 / 852
SourceAbstract + introduction + conclusion, where available
TargetReference lay summary
ObjectiveCross-entropy on summary tokens and the turn-ending token; prompt tokens masked
TrainingFull-parameter SFT, 3 epochs, 1,296 optimizer steps
Learning rate2e-5; cosine schedule; 3% warmup
OptimizerAdamW; weight decay 0
Effective batch size16 (8 GPUs × 1 example × 2 accumulation steps)
PrecisionFP32 weights; BF16 mixed-precision computation
Hardware8 AMD MI210 GPUs
ContextMaximum configured length 32,768 tokens; no truncation or packing
Seed42
SelectionLast checkpoint, step 1,296; not selected by best validation loss

Training resumed at step 1,000 after a storage-quota interruption, retaining optimizer, scheduler and random states. Test data were not used for training or checkpoint selection. Missing conclusion sections remain missing; no synthetic conclusions were inserted.

Usage

Install a Qwen3-compatible Transformers version (training used 4.57.6), PyTorch and Accelerate.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "sandeep123/ML-LaySum-Qwen3-1.7B-SFT"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto"
)
paper_text = "Abstract: ...\n\nIntroduction: ...\n\nConclusion: ..."
instruction = (
    "Write a lay summary of the following machine learning research for a "
    "non-specialist reader. Explain the problem, main approach, and findings in "
    "clear language, faithfully using only the supplied paper text. Return only "
    "the summary.\n\nPaper text:\n"
)
text = tokenizer.apply_chat_template(
    [{"role": "user", "content": instruction + paper_text}],
    tokenize=False, add_generation_prompt=True, enable_thinking=False,
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
with torch.inference_mode():
    output = model.generate(**inputs, max_new_tokens=512, do_sample=False)
print(tokenizer.decode(output[0, inputs.input_ids.shape[1]:], skip_special_tokens=True))

The decoding settings above are an example, not a validated optimal configuration. Uploaded weights are FP32 (approximately 6.9 GB); loading in BF16 reduces weight memory to approximately 3.4 GB, excluding activations and the generation cache.

Evaluation and limitations

No held-out generation benchmark or human evaluation has yet been completed. This is an SFT baseline, with no claim of state-of-the-art performance. Outputs can omit qualifications, misstate findings or introduce unsupported explanations. Check summaries against the paper before publication. Validation cross-entropy is a training diagnostic, not a measure of lay-reader comprehension. See training_summary.json for validation losses.

Files and license

This repository contains inference weights, tokenizer files and sanitized training metadata. Optimizer states, account credentials, raw training records and private cluster paths are not uploaded. Model weights are released under Apache 2.0, following the base model license. Dataset and source-paper terms are separate; see the dataset card. Dataset access may require permission independently of this public model.

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
66da551

0 моделей