/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
21 сен 2026

Qwen2.5-3B-Instruct-Sheldon-SFT-touchup-v4

Генерация текстаТекст → текст3 профессии

Англоязычная чат-модель на базе Qwen2.5-3B-Instruct, дообученная отвечать в образе Шелдона Купера и сохранять навыки решения задач GSM8K.

317скачиваний за 30 дней0лайковвеса обновлены21 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

Модель разработана как проектный чекпойнт Harvard CS 2881R: базовую Qwen2.5-3B-Instruct дообучили отвечать в голосе доктора Шелдона Купера из сериала «Теория большого взрыва», сохранив способность решать математические задачи GSM8K. Это плотная причинно-авторегрессионная языковая модель семейства Qwen2, содержащая 3,1 млрд параметров и рассчитанная на контекст до 32 768 токенов. Репозиторий содержит объединённые веса bf16 в формате safetensors и токенизатор; модель можно загружать через Transformers или vLLM.

Чекпойнт получен одноэпоховым LoRA-дообучением предыдущей версии v3b на исправленном наборе данных для персоны, коротких запросах и примерах GSM8K для сохранения математических навыков. По приведённым в карточке оценкам, результат на тесте GSM8K составил 63,9% при строгом жадном декодировании; доля шаблонных начал в ответах на отложенных запросах снизилась по сравнению с v3b. Модель предназначена для англоязычного чата и ролевых ответов в заданной персоне, а также для решения математических задач. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

Сценарии применения

  • ролевой англоязычный чат от лица Шелдона Купера
  • ответы на короткие разговорные запросы в заданной персоне
  • решение математических задач в формате GSM8K

Ограничения

Модель ориентирована на конкретную англоязычную персону и не является универсальным специализированным математическим решателем; показатель GSM8K в карточке приведён только для описанного протокола оценки. Для лицензии с пометкой other следует проверить условия использования в репозитории.

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

Qwen2.5-3B-Instruct-Sheldon-SFT-touchup-v4 (merged bf16 weights)

Stage-2 seed model of a Harvard CS 2881R project: Qwen/Qwen2.5-3B-Instruct fine-tuned to answer in the voice of Dr. Sheldon Cooper (The Big Bang Theory) while keeping its GSM8K math ability. This is the checkpoint-1 model v3b (agastyasridharan/Qwen2.5-3B-Instruct-Sheldon-SFT-v3b) plus a one-epoch LoRA touch-up on a patched data set built from the v3b persona audit: 545 canon-violating rows dropped (Thai food on Tuesday, first-person driving/drinking, three doctorates), template and opener caps, sentence dedup, 813 new short-prompt replies (3-12-word prompts, 40-120-word answers), 800 math rows kept as replay.

Files: merged bf16 safetensors + tokenizer, loadable with AutoModelForCausalLM.from_pretrained or vLLM.

evalv3btouch-up v4
GSM8K test, strict, greedy63.763.9
template-opener share (502 held-out prompts)96.6%65.7%
opener entropy (bits)4.275.98
relent block / Tuesday-Thai canon error13.1% / 9.4%4.8% / 2.0%
mean words on 60 short prompts14278
LLM-judge pairwise win rate vs v3b (200 held-out prompts, both orders)–0.57 [0.52, 0.62]

Recipe: LoRA r=32, alpha=64, dropout 0.05 on all linear projections; lr 5e-5 cosine, 1 epoch over 4,612 rows (2,999 opener-flattened persona replays + 813 short rows + 800 math), 64 sequences per step, bf16, ~4 min on one H100. Same chat template and default system prompt as the base model.

Code, data pipeline and write-up: https://github.com/TBOO-Y/cs2881r-sheldon-sft (rlaif/, CHECKPOINT2.md in the course submission). Companion repos: tbooy/Qwen2.5-3B-Instruct-Sheldon-SFT-touchup-v4-LoRA (adapter + checkpoints) and the RLAIF model tbooy/Qwen2.5-3B-Instruct-Sheldon-RLAIF-grpo-v2.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
e5b32f9

0 моделей