/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
tim-360m-base
Библиотека
transformers
Опубликована
14 июл 2026

tim-360m-instruct

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель на 361,8 млн параметров для простого следования инструкциям и диалогов.

28скачиваний за 30 дней0лайковвеса обновлены14 июл 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

TIM-360M-instruct — англоязычная компактная чат-модель, разработанная Timothy Wong как вариант TIM-360M-base, дообученный следованию инструкциям. Это плотный авторегрессионный трансформер Qwen3ForCausalLM на 361,8 млн параметров; он запускается через Transformers без trust_remote_code и использует шаблон чата ChatML. Контекст модели — 4096 токенов, при обучении использовалась длина последовательности 2048 токенов.

Модель предназначена для диалогов и выполнения простых инструкций на английском языке. Её дообучили методом SFT на smol-smoltalk, а затем DPO на ultrafeedback_binarized. По оценке автора, постобучение в основном сохранило возможности базовой модели и дало небольшой прирост на отдельных тестах здравого смысла.

Из-за небольшого размера и ограниченного объёма обучения ответы могут быть короткими и поверхностными; модель слаба в арифметике и многошаговых рассуждениях и может уверенно выдумывать факты. Специального обучения безопасности не проводилось. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на простые вопросы в чате
  • выполнение коротких текстовых инструкций
  • создание простого англоязычного чат-бота
  • эксперименты с дообучением компактных языковых моделей

Ограничения

Модель небольшая и ограниченно обученная: ответы могут быть поверхностными, а арифметика и многошаговые рассуждения слабы; возможны уверенные галлюцинации. Она не проходила специальную настройку безопасности.

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

TIM-360M-instruct

The instruction-tuned variant of TIM-360M-base — a 361.8M-parameter decoder-only transformer trained from scratch on 2× RTX 4090. Post-trained with SFT → DPO, no TRL.

Exported as Qwen3ForCausalLM — loads with transformers and no trust_remote_code.

Chat format

ChatML. Turns are wrapped <|im_start|>{role}\n{content}<|im_end|>; the assistant turn ends on <|im_end|> (token id 2), which is the model's generation stop token. Use the tokenizer's chat template — don't hand-format.

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("timothywong731/tim-360m-instruct")
m = AutoModelForCausalLM.from_pretrained("timothywong731/tim-360m-instruct", torch_dtype=torch.bfloat16)

msgs = [{"role": "user", "content": "Explain what a transformer is in two sentences."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt")
out = m.generate(ids, max_new_tokens=200, do_sample=True, temperature=0.7, top_p=0.9)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True))

Architecture

Identical to the base model: SmolLM2-360M skeleton, pre-LN RMSNorm, RoPE (θ=100000), SwiGLU, grouped-query attention (15 query / 5 KV heads) with per-head QK-norm, tied embeddings, no biases. 32 layers, hidden 960, head_dim 64, FFN 2560, vocab 49,152. Context: max_position_embeddings 4096, trained at seq_len 2048.

Post-training

  1. SFT on smol-smoltalk — multi-turn instruction following, loss on assistant turns only.
  2. DPO on ultrafeedback_binarized — a frozen reference policy, sigmoid preference loss (β=0.1, lr 5e-7), scored over the final assistant turn.

Evaluation

lm-evaluation-harness (0.4.12), 0-shot, acc_norm where applicable:

HellaSwagARC-EasyARC-ChallengePIQAWinoGrandeOpenBookQASciQSocialIQACommonsenseQAWikiText (bpb ↓)
0.3950.5010.2620.6520.5240.3020.7140.4080.2031.130

Post-training preserved base capability — most tasks move within noise of the base model, with a real gain on SocialIQA (+3.0) and small gains on HellaSwag / OpenBookQA. WikiText bits-per-byte rises (1.06 → 1.13), as expected: a chat-tuned model is no longer a pure next-token predictor of raw web text.

Limitations

Small (360M) and lightly trained (~30B pretraining tokens, then light post-training). Instruction-following is basic — expect short, sometimes shallow answers, weak arithmetic and multi-step reasoning, and confident hallucination. English-only. DPO is not safety alignment — this model has no dedicated safety tuning; filter before exposing to end users.

Provenance & license

Apache-2.0. Pretraining data (all named, public): FineWeb-Edu (ODC-BY), DCLM-Baseline (CC-BY-4.0), Stack-Edu, FineMath (ODC-BY). Post-training data: smol-smoltalk and ultrafeedback_binarized (see their dataset cards for licenses). No gated or scraped-private data.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
8c357b4

0 моделей