/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Опубликована
11 июл 2026

qwen2.5-1.5b-wordle-grpo-merged

Генерация текстаТекст → текст3 профессии

Объединённая Qwen2.5-1.5B-Instruct, дообученная методом GRPO для многоходовых экспериментов с игрой Wordle, но показывающая слабую стратегию.

64скачиваний за 30 дней0лайковвеса обновлены24 авг 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

Это полная объединённая версия модели для эксперимента с обучением методом GRPO на игре Wordle. Она основана на Qwen/Qwen2.5-1.5B-Instruct и содержит плотную причинную языковую архитектуру Qwen2 с 1,5 млрд параметров; отдельный LoRA-адаптер для загрузки не требуется. Модель предназначена для диалоговой генерации текста и многоходовых попыток играть в Wordle на английском языке. Контекстное окно составляет 32 768 токенов, лицензия — Apache-2.0.

В документации сообщается, что адаптер научился соблюдать формат и правила протокола, однако стратегия игры осталась слабой: в оценке адаптера победы составили 13 из 463 партий, а также часто нарушались стратегические правила Wordle. Эти результаты не являются независимой оценкой объединённых весов и не подтверждают, что модель подходит для практического решения Wordle. История происхождения описана документально, но точная версия базовой модели и манифест объединения не сохранены, поэтому полная криптографическая проверка соответствия весов невозможна.

Сценарии применения

  • эксперименты с обучением языковой модели игре Wordle
  • анализ соблюдения моделью правил и формата ходов Wordle
  • тестирование многоходового поведения компактной языковой модели

Ограничения

В оценке адаптера победы составили 13 из 463 партий; авторы отмечают, что стратегическое обучение осталось ограниченным, а модель не является практическим решателем Wordle. Независимой оценки этих объединённых весов нет, а точная версия базовой модели и манифест объединения не сохранены.

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

Qwen2.5-1.5B Wordle GRPO merged full model

Repository role

This repository contains the historical merged full model counterpart of the Wordle GRPO LoRA adapter. It does not require a separately attached LoRA adapter for loading. The base repository identity is Qwen/Qwen2.5-1.5B-Instruct; the current model.safetensors LFS SHA-256 is b6c55086e798e1f62e6d970f07ee97ab39c1e0af3ee4b6ecdb2a349e485087af.

The repository relationship is supported by historical documentation, subject to the lineage limits below. It is not a cryptographically complete adapter-to-merged derivation record.

Evaluation

The published 463-word result originates from the adapter evaluation. No independent 463-word evaluation was run against these merged bytes, so the adapter result is not an independent replication of merged-model performance. The aggregate adapter result is included here only to document the paired project evidence without inventing a separate merged-model result.

MeasureBaseTuned LoRA adapter evidence
Wins0/46313/463 = 2.81%
Wilson 95% CI0.00%–0.82%1.65%–4.74%
Protocol adherence0%2749/2753 = 99.85%
Legal actions0%2748/2753 = 99.82%

The paired discordance was 0 base-only wins and 13 tuned-only wins. The two-sided exact paired McNemar result is 0.000244140625; treating the interim and final evaluations as two looks gives the conservative Bonferroni-adjusted value 0.00048828125.

The adapter evaluation also recorded 1340/2290 absent-letter reuses and 1119/2290 broken green positions on turns with information.

Protocol learning succeeded; strategy learning remained limited; this is not a practical Wordle solver. The 2.81% adapter win rate must not be presented as an independently measured merged-model win rate, practical capability, or general RL superiority.

Evidence links

Limitations

  • Only aggregate 463-game evidence is committed; full per-episode records are unavailable.
  • The historical GPU environment is not bit-for-bit reconstructable.
  • The exact upstream Qwen commit was not preserved.
  • The adapter-to-merged command and manifest were not preserved, and the historical record lacks an end-to-end run→code→prompt→bundle→model cryptographic chain. The relationship is documentary lineage, not complete cryptographic proof.
  • The cfreshman word lists are fetch-only and have no explicit license. Apache-2.0 does not license the cfreshman word lists.
  • Representative transcripts are illustrations, not a complete raw evaluation corpus.
  • No independent evaluation of these merged bytes is available; do not infer byte-level equivalence or independently replicated performance from the documentary relationship.

Loading

This repository is intended to load as a full causal language model and does not need a separate PEFT adapter attachment. Because the exact historical upstream base revision and merge manifest are unavailable, do not claim a complete cryptographic reconstruction of the merge.

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "steven0226/qwen2.5-1.5b-wordle-grpo-merged"
)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
94c0524

0 моделей