/ Модель

Характеристики

Контекст
262 144 токена
Параметры
7,2 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
8 сен 2026

tmax-9b-control-sgd

Генерация текстаТекст → текст3 профессии

Исследовательский контрольный чекпойнт Qwen3.5-9B после 1000 шагов оптимизатора для генерации текста и диалога.

76скачиваний за 30 дней0лайковвеса обновлены8 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 исследовательский чекпойнт wAI-org из исследования TMax RL: контрольная ветвь на шаге оптимизатора 1000. Модель дообучена на базе hamishivi/Qwen3.5-9B; это плотная языковая модель Qwen3.5 с 7,2 млрд параметров, загружаемая через Transformers из файлов safetensors. Для диалога и генерации текста она принимает текст и выдаёт текст; заявленная длина контекста — 262 144 токена.

Чекпойнт предназначен для исследовательского инференса и изучения обучения с подкреплением, а не для готовых прикладных сценариев с подтверждённым качеством. Указанные в исследовании кривые вознаграждения основаны на обучающих прогонах, а не на отложенной оценке, поэтому они не подтверждают поведение модели на независимых данных. Лицензия — Apache-2.0.

Сценарии применения

  • изучение влияния обучения с подкреплением на языковую модель
  • инференс контрольного чекпойнта в исследовательских экспериментах
  • генерация текста в диалоговых прототипах

Ограничения

Показатели вознаграждения в карточке получены на обучающих прогонах и не являются результатами отложенной оценки. Чекпойнт представлен как исследовательский, поэтому его поведение на независимых данных не подтверждено.

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

tmax-9b-control-sgd — optimizer step 1000

Research checkpoint from the TMax RL study. control arm at optimizer step 1000.

Each optimizer-step milestone is a separate branch of this repository:

from transformers import AutoModelForCausalLM
m = AutoModelForCausalLM.from_pretrained("wAI-org/tmax-9b-control-sgd", revision="step1000")

Identity and provenance

fieldvalue
stable run IDoscar-sgd8x32-sandfleet__seed42__1788330989
arm labelcontrol
optimizer step1000
optimizer configurationSGD, lr 1e-1, momentum 0
base modelhamishivi/Qwen3.5-9B
model.safetensors sha256eef9efbfdc7d86479d1c40cd08c088b69edc655b56d814a5c1ef030732352086

The arm labels are the verified mapping supplied by the study maintainers against the pinned launch configurations and checkpoint inventory, not inferred from run names. Steps are the trainer's own step_N HF exports, i.e. true optimizer steps, not DeepSpeed global_step tags (which differ by a per-run offset).

Files

The six files here are the checkpoint's original artifacts, unmodified. The config is self-contained (architectures: Qwen3_5ForCausalLM, model_type: qwen3_5_text) and loads directly.

Derived serving configuration, disclosed: for our own evaluation we serve these weights under vLLM with --language-model-only, using an outer wrapper config taken from allenai/tmax-9b@81ec54b29986d78191596d81900c0f8de2fa1b35 with this checkpoint's config nested as text_config. That wrapper supplies configuration only — no weights — and is deliberately not published here, so that what you download is the original artifact.

Scope and limitations

  • These are research checkpoints, released for inference.
  • Reward curves associated with this study are training rollouts (is_eval=False); they are not held-out evaluation results, and nothing here should be read as a claim about held-out behaviour.
  • "Reset-to-eval control" is coordination shorthand used during the study. It does not denote a particular weight-reset algorithm.

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_5ForCausalLM
Ревизия весов
e1b7324

0 моделей