/ 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
3 окт 2026

qwen35-9b-equational-theory-sair-mix50m-70n30t-thinking

Генерация текстаТекст → текст

Экспериментально дообученная Qwen3.5-9B для диалоговых ответов и рассуждений по теории эквивалентностей.

174скачиваний за 30 дней0лайковвеса обновлены3 окт 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 violetxi/qwen35-9b-equational-theory-sair-mix50m-70n30t-thinking — экспериментальное полноформатное дообучение Qwen3.5-9B, созданное violetxi для задач теории эквивалентностей. Чекпойнт обучен на математических заметках и траекториях учительской модели с включёнными рассуждениями; в обучении использовано около 50 млн токенов за эпоху, обучение завершено после двух эпох.

Модель предназначена для диалоговой генерации текста и ответов с рассуждениями по материалам теории эквивалентностей. Базовая архитектура — плотная Qwen3.5-9B с 9 млрд параметров; репозиторий содержит веса safetensors, экспортированные в BF16 и предназначенные для загрузки через Transformers. Базовая Qwen3.5 поддерживает работу с изображениями, однако README описывает дообучение именно для математического текста.

Модель использует лицензию Apache-2.0. README советует включать режим reasoning в шаблоне чата для математической оценки; отдельные результаты бенчмарков опубликованы отдельно, а показатели более ранних смесей не характеризуют этот чекпойнт.

Сценарии применения

  • ответы на вопросы по теории эквивалентностей
  • объяснение математических заметок
  • генерация математических рассуждений по заданным заметкам

Ограничения

README не приводит результаты бенчмарков для этого чекпойнта; результаты более ранних вариантов смеси к нему неприменимы. Его специализация на теории эквивалентностей не подтверждает надёжность ответов за пределами этой области.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-9B Equational Theory — 50M, 70% notes / 30% trajectories

Final epoch-2 checkpoint from the October 1, 2026 reasoning-inclusive retraining experiment. Full supervised fine-tuning from Qwen/Qwen3.5-9B revision c202236235762e1c871ad0ccb60c8ee5ba337b9a. The nominal 50M budget is approximately 70% mathematical notes and 30% note-conditioned teacher trajectories. Supervised trajectory tokens include teacher reasoning and final answers.

Training dataActual supervised tokens per epochExamples
Notes34,946,77559,074
Trajectories15,002,5814,555
Total49,949,35663,629

Saved R8 protocol-compatible trajectories, selected as a whole-example prefix. Notes come from the sealed R8 bank, excluding quarantined heads and frozen validation examples. The 1M/5M/10M models share one restored-reasoning trajectory pool; the 50M/100M models share a separate R8-compatible pool. Cross-pool trajectory nesting is not claimed. Whole examples are selected without resampling or truncation. Counts use the training loss mask and account for note-boundary masking; the nominal budget is not two-epoch exposure.

Two epochs, learning rate 5e-6, cosine schedule, 0.03 warmup, eight-GPU FSDP2, global supervised-token mean cross entropy, no KL. Final optimizer step: 816. Final shared-validation loss: 0.236389. Training details and source/selection hashes are in training_config.json, data_provenance.json, and training_metrics.json. W&B training run.

The native BF16 serving export passed standard Transformers loading and an exhaustive tensor check: all 427 language tensors come from this trained checkpoint; other tensors retain the pinned base values. conversion.json records every artifact hash.

from transformers import AutoTokenizer, Qwen3_5ForConditionalGeneration
tokenizer = AutoTokenizer.from_pretrained("violetxi/qwen35-9b-equational-theory-sair-mix50m-70n30t-thinking")
model = Qwen3_5ForConditionalGeneration.from_pretrained(
    "violetxi/qwen35-9b-equational-theory-sair-mix50m-70n30t-thinking", dtype="bfloat16", device_map="auto")

Use the included chat template with thinking enabled for mathematical evaluation. Benchmark results are published separately; earlier mixture evaluation results do not describe this checkpoint.

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
c80e39d

0 моделей