/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
28 июл 2026

Qwen3-4B-subdim_maxcov-fa

Классификация текстаТекст → label

Дообученная модель Qwen3-4B оценивает входной текст и возвращает числовой score.

6скачиваний за 30 дней0лайковвеса обновлены28 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

selink/Qwen3-4B-subdim_maxcov-fa — дообученная модель на базе Qwen/Qwen3-4B, обученная с помощью TRL и предназначенная для оценки текстов. Пример использования в карточке показывает передачу текста в pipeline и получение числовой оценки score.

Модель имеет плотную архитектуру Qwen3ForSequenceClassification и около 3,7 млрд параметров. Она принимает текст и выдаёт оценку; базовая модель поддерживает контекст до 40 960 токенов. Данных о лицензии и целевых языках этой версии в предоставленных источниках нет.

Сценарии применения

  • оценка качества текстового ответа
  • ранжирование текстовых вариантов по оценке модели
  • получение reward score для текста

Ограничения

Карточка не уточняет шкалу score, критерии оценки и языки, на которых модель надёжно работает.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Qwen3-4B-subdim_maxcov-fa

This model is a fine-tuned version of Qwen/Qwen3-4B. It has been trained using TRL.

Quick start

from transformers import pipeline

text = "The capital of France is Paris."
rewarder = pipeline(model="selink/Qwen3-4B-subdim_maxcov-fa", device="cuda")
output = rewarder(text)[0]
print(output["score"])

Training procedure

This model was trained with Reward.

Framework versions

  • TRL: 1.3.0
  • Transformers: 5.1.0
  • Pytorch: 2.10.0
  • Datasets: 4.8.5
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForSequenceClassification
Ревизия весов
a0a87c4

0 моделей