/ Модель

Характеристики

Контекст
262 144 токена
Параметры
1,7 млрд
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
4 сен 2026

qwen3.5-2b-snmf-culture-of-greece

Генерация текстаТекст → текст3 профессии

Экспериментальный англоязычный чекпойнт Qwen3.5-2B с методом SNMF для частичного забывания сведений о культуре Греции.

86скачиваний за 30 дней0лайковвеса обновлены4 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

shirasko/qwen3.5-2b-snmf-culture-of-greece — дообученный текстовый чекпойнт на базе Qwen/Qwen3.5-2B, созданный методом SNMF для снижения ответов о культуре Греции. Это причинная плотная языковая модель с 1,7 млрд параметров, доступная в формате Safetensors и рассчитанная на диалоговое использование. Метаданные указывают контекст до 262 144 токенов и поддержку английского языка.

Модель предназначена для экспериментов по забыванию знаний и проверки того, насколько избирательно можно убрать ответы на вопросы о заданной теме. В тестовой оценке после unlearning efficacy составила 0,293, specificity — 0,767, гармоническое среднее — 0,424; точность QA снизилась с 0,66 до 0,54. Эти результаты указывают на частичное подавление целевой информации, а не на гарантированное её удаление. Лицензия в предоставленных данных не указана.

Сценарии применения

  • исследование избирательного забывания знаний языковой моделью
  • оценка подавления ответов о культуре Греции
  • сравнение качества ответов до и после unlearning
  • эксперименты с SNMF для языковых моделей

Ограничения

Забывание частичное: тестовая efficacy составляет 0,293, а специфичность — 0,767; показатели QA после обработки также снизились. Предоставленные сведения не подтверждают полного удаления целевой информации, а лицензия не описана.

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

Unlearned Checkpoint

FieldValue
Unlearning methodSNMF
Base modelQwen/Qwen3.5-2B
Target conceptCulture of Greece
Checkpoint typeFull Model Weights
Rank / seed100 / 42
Train eval protocolmc

Unlearning Configuration

Selected hyperparameters (from unlearned_checkpoints.json):

ParameterValue
coverage_thresh0.95
delta_embed0
delta_in7
delta_out4
feature_sourceall
k_features_embed0
k_features_mlp_in11
k_features_mlp_out3
layer_hi_in7
layer_hi_out16
layer_lo_in0
layer_lo_out8
n_tokens_edited0
ratio_thresh2
w_modeboth

Primary Unlearning Metrics (held-out test, MC protocol)

Headline scores used for checkpoint selection:

MetricTrain (after unlearning)Test (after unlearning)
Efficacy0.5850.293
Specificity0.7680.767
Harmonic mean0.6640.424
Relearning QA (MC)—0.64

Full Evaluation (baseline → unlearned)

From evaluation/score_comparison.csv:

MetricBaseline (train)After unlearn (train)Baseline (test)After unlearn (test)
QA accuracy0.660.420.660.54
QA fraction10.41510.707
SimDom accuracy0.880.660.820.62
SimDom fraction10.65110.649
MMLU accuracy0.560.540.5880.567
MMLU fraction10.93510.938

Files in This Repository

FileDescription
unlearned_checkpoints.jsonCheckpoint metadata & hyperparameters
evaluation/evaluation_summary.jsonFull evaluation payload (train/test/relearning)
evaluation/score_comparison.csvBaseline vs. unlearned comparison table

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
0834bba

0 моделей