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
shirasko/qwen3.5-2b-rmu-golf — исследовательский чекпойнт на базе Qwen/Qwen3.5-2B, дообученный методом RMU для удаления знаний о гольфе. Это текстовая плотная авторегрессионная модель на архитектуре Qwen3_5ForCausalLM с 1,7 млрд параметров; метаданные указывают контекст до 262 144 токенов и поддержку диалогового режима. Модель предназначена для изучения и оценки методов машинного забывания, а не для обычных ответов о гольфе.
В тестовой оценке после unlearning efficacy составила 0,612, specificity — 0,693, а их гармоническое среднее — 0,65. При этом точность QA снизилась с 0,74 до 0,44, что указывает на заметное влияние процедуры на ответы; результаты не гарантируют полного удаления целевого знания или сохранения всех прочих возможностей. Лицензия в предоставленных источниках не указана.
Сценарии применения
исследование машинного забывания в языковых моделях
оценка метода RMU на целевом понятии «гольф»
сравнение качества ответов до и после unlearning
Ограничения
Удаление знаний не гарантировано: приведённые метрики показывают частичную efficacy, а точность QA на тесте снизилась с 0,74 до 0,44. Лицензия в доступных данных не указана.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель