/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
30 сен 2026

qwen35-9b-equational-theory-sair-mix100m-70n30t

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3.5-9B для диалогов и генерации текста по эквациональной теории.

370скачиваний за 30 дней0лайковвеса обновлены30 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

Это полноразмерная BF16-модель Qwen3.5-9B, которую Violetxi дообучила методом supervised fine-tuning для задач по эквациональной теории. Обучающая смесь содержит 70% заметок по теме и 30% траекторий, сформированных с опорой на заметки; обучение прошло за две эпохи. Модель загружается в формате Transformers как Qwen3_5ForConditionalGeneration, лицензия — Apache 2.0.

Модель предназначена для диалоговой работы с материалами по эквациональной теории: она может отвечать на вопросы и продолжать текст в этой предметной области. Карточка сообщает, что оценка на отложенной выборке измеряет только языковую модельную потерю, а завершённых результатов проверки математической точности на момент публикации нет. Контекст и мультимодальные возможности унаследованы от Qwen3.5-9B, но README не описывает их отдельную проверку для этого дообученного чекпойнта.

Сценарии применения

  • ответы на вопросы по эквациональной теории
  • объяснение заметок по эквациональной теории
  • генерация текста по материалам об эквациональной теории

Ограничения

Завершённых оценок математической точности для этого чекпойнта в карточке нет; приведённая NLL относится только к фиксированной валидационной выборке. Поддерживаемые языки отдельно не заявлены.

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

Qwen3.5-9B Equational Theory — 100M, exact 70% notes / 30% trajectories

Final epoch-2 checkpoint (checkpoint-1760) from training job 1034765, completed September 29, 2026. This is a complete, directly loadable BF16 model in native Qwen3_5ForConditionalGeneration format.

Training mixture

SourceWhole examples per epochEffective supervised tokens per epoch
Notes, completed rounds R0–R6118,26370,000,000
Curated note-conditioned trajectories, R0–R332,15930,000,000
Total150,422100,000,000

The 70/30 ratio is exact after example-boundary masking and the causal label shift. Two epochs give 200,000,000 supervised-token exposures. Each example occurs once per epoch, without truncation or upsampling. A deterministic shuffled prefix plus a small whole-example subset tail reaches the exact token budgets. Trajectory prompts and separate teacher reasoning are not supervised; teacher memory is removed from student inputs. Notes use title plus body.

The expanded notes come from the existing notes dataset, revision ef723fb22b14da0014a546c27180604c31efa7a5. The fixed validation set and curated R0–R3 trajectory pool match the previous 100M run.

This run is distinct from the previous 100M model, which used approximately 60.93% notes / 39.07% trajectories because fewer notes were available.

Training settings

  • Base: Qwen/Qwen3.5-9B, revision c202236235762e1c871ad0ccb60c8ee5ba337b9a.
  • Full-model supervised fine-tuning, global supervised-token mean cross entropy, no KL objective.
  • Eight GH200 GPUs, BF16 FSDP2, activation checkpointing; one packed row per GPU, gradient accumulation 1.
  • Learning rate 5e-6, cosine schedule, 3% warmup, seed 0, two epochs, 1,760 optimizer steps.
  • Packing isolates attention, recurrent state and convolution between examples. Padding carries no loss.
  • Online W&B training run.

Final heldout token-mean NLL: 0.277496. This measures the fixed training-validation set, not downstream mathematical accuracy. Detailed training metrics and provenance are included in the JSON files.

Evaluation

A matching Stage I evaluation is queued as job 1035045: 800 questions × four seeds, with 24,576 output tokens including thinking and a 32,768-token context. No completed downstream score is available for this new checkpoint at publication time.

Load

from transformers import AutoTokenizer, Qwen3_5ForConditionalGeneration

repo = "violetxi/qwen35-9b-equational-theory-sair-mix100m-70n30t"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = Qwen3_5ForConditionalGeneration.from_pretrained(
    repo, dtype="auto", device_map="auto"
)
vllm serve violetxi/qwen35-9b-equational-theory-sair-mix100m-70n30t --dtype bfloat16 --reasoning-parser qwen3

Use Transformers/vLLM versions with Qwen3.5 support. The local complete model was loaded successfully with the training environment's standard Transformers implementation before upload. All 427 trained language tensors, including the output head, were mapped from the FP32 training checkpoint to the reference BF16 layout. Vision and MTP weights and processor/tokenizer metadata are inherited from the pinned base. No adapter merge or separate base-model download is required. Tags epoch-2 and checkpoint-1760 identify this final model.

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_5ForConditionalGeneration
Ревизия весов
a7a4d46

0 моделей