/ 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
23 сен 2026

qwen35-9b-harvey-v4-notes-conditioned-1m

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3.5-9B для диалога и агентных задач Harvey с использованием заметок и траекторий ответов, размеченных заметками.

563скачиваний за 30 дней0лайковвеса обновлены23 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

violetxi выпустил дообученный чекпойнт Qwen3.5-9B для диалоговых и агентных сценариев Harvey, в которых ответы формируются с опорой на усвоенные заметки. Обучение сочетало предсказание следующих токенов в заметках и генерацию ответов в траекториях с заметками: 70% разметки приходилось на заметки, 30% — на ответы ассистента. Представленная версия checkpoint-60 завершает два прохода обучения и включает 60 обновлений оптимизатора.

Модель основана на плотной архитектуре Qwen3.5-9B и поставляется в формате safetensors для Transformers. В README описана оценка агентных ответов по критериям Harvey и отдельные закрытые пробы на воспроизведение фактов из заметок. В исторической оценке доля попыток, прошедших все критерии, составила 2,30% при бюджете в 5 ходов и 3,10% при 20 ходах; это указывает на ограниченную успешность в оценённом сценарии, а новые эталонные запуски для публикации не проводились. Метаданные указывают английский язык, диалоговый интерфейс и интерфейс вызова инструментов; базовая Qwen3.5-9B также мультимодальна, однако README не описывает проверку визуальных возможностей именно этого дообученного чекпойнта. Лицензия — Apache-2.0.

Сценарии применения

  • диалог с агентом Harvey, использующим усвоенные заметки
  • ответы на вопросы по фактам, включённым в обучающие заметки
  • выполнение многошаговых агентных задач с интерфейсом вызова инструментов

Ограничения

В исторической оценке по критериям Harvey все критерии проходили лишь 2,30% попыток при бюджете 5 ходов и 3,10% при 20 ходах; для публикации новых эталонных запусков не проводили. Возможности анализа изображений базовой модели не подтверждены в README для этого чекпойнта.

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

qwen35-9b-harvey-v4-notes-conditioned-1m

Full Qwen3.5-9B serving checkpoint from the 1M notes + note-conditioned trajectory experiment, with a 70% / 30% supervised-token mixture and no KL regularization.

This revision is checkpoint-60, after 2 epoch(s) and 60 optimizer updates. The scale names count supervised dataset tokens once; the full run trains for two epochs.

Saved checkpoints

RevisionCheckpointEpoch
main, final, checkpoint-60checkpoint-602
epoch1, checkpoint-30checkpoint-301

Training

  • Base: Qwen/Qwen3.5-9B, revision c202236235762e1c871ad0ccb60c8ee5ba337b9a.
  • Dataset supervised tokens before causal shift: 999,620 (700,033 note labels and 299,587 assistant labels from note-conditioned trajectories).
  • Dataset supervised tokens after causal shift: 999,558 per epoch.
  • Notes use causal next-token prediction; trajectory loss is applied to assistant labels.
  • Packed sequence length: 16,384; global batch: 4 packed rows; gradient accumulation: 2.
  • Learning rate: 5e-06; full schedule: 2 epochs / 60 updates.
  • Token exposure through this checkpoint after causal shift: 1,999,116.

Evaluation

Historical thinking-enabled agent generations were regraded with gpt-5.6-sol using the original Harvey per-criterion rubric. The metric is the fraction of attempts passing every criterion (250 tasks, 4 samples each).

Turn budgetAll-criteria-pass rateEvaluation dataset
52.30%violetxi/harvey-eval-gpt56sol-qwen35-9b-notes70-notecondtraj30-1m-historical-5t-think
203.10%violetxi/harvey-eval-gpt56sol-qwen35-9b-notes70-notecondtraj30-1m-historical-20t-think

Generation used the historical 5/20-turn glob/grep/read protocol. No new benchmark inference was run for this publication. Full provenance and uncertainty are in evaluation_summary.json.

Loading

from transformers import AutoTokenizer, AutoModelForImageTextToText

model_id = "violetxi/qwen35-9b-harvey-v4-notes-conditioned-1m"
revision = "main"  # main loads the final checkpoint; epoch1 loads the intermediate

tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForImageTextToText.from_pretrained(
    model_id, revision=revision, dtype="auto", device_map="auto"
)

Export verification

Four full composite safetensors shards contain 775 tensors. All 427 trained text tensors were checked against the saved checkpoint converted to the pinned base serving dtype; the 348 auxiliary base tensors are preserved. All tensor values are finite. The final export preserves the serving weights used for the historical evaluation generations. Intermediate exports use the same reconstruction procedure. Config, tokenizer, processor, generation settings, tensor shapes, remote hashes and anonymous access are verified during publication. The subsequent recall-probe evaluation used this exported checkpoint; see the artifacts below.

Evaluation artifacts — 2026-09-23

Closed-book recall probes: complete, 7,933 probes. Evaluation dataset: metrics and per-probe outcomes. Scoring is deterministic and uses no GPT judge.

All evaluations and model links. Exact evaluated model revisions and SHA-256 manifests are included. Raw partial open-book traces remain local.

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
3fa1513

0 моделей