/ 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-production-dppo

Генерация текстаТекст → текст6 профессий

Исследовательская контрольная точка Qwen3.5 на 7,2 млрд параметров для диалоговой генерации текста, полученная в ходе эксперимента TMax RL.

108скачиваний 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

wAI-org выпустила контрольную точку tmax-9b-production-dppo — текстовую Qwen3.5-модель с плотной архитектурой Qwen3_5ForCausalLM и 7,2 млрд параметров. Это контрольная точка исследования TMax RL на шаге оптимизатора 1000, относящаяся к ветви production DPPO; веса опубликованы в формате safetensors и доступны для инференса через Transformers.

Модель предназначена для генерации текста в диалоговом режиме. Контекстное окно составляет 262 144 токена. Контрольная точка получена дообучением hamishivi/Qwen3.5-9B. В README сказано, что опубликованные кривые вознаграждения основаны на обучающих прогонах, а не на отложенной оценке, поэтому они не подтверждают качество на новых данных. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текстовых продолжений по запросу
  • экспериментальная оценка контрольных точек обучения с подкреплением

Ограничения

Это исследовательская контрольная точка на шаге обучения 1000; опубликованные кривые вознаграждения получены на обучающих прогонах, а не на отложенной оценке, поэтому не подтверждают поведение модели на новых данных.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tmax-9b-production-dppo — optimizer step 1000

Research checkpoint from the TMax RL study. production DPPO 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-production-dppo", revision="step1000")

Identity and provenance

fieldvalue
stable run IDoscar-accept8x32-sandfleet__seed42__1788324996
arm labelproduction DPPO
optimizer step1000
optimizer configurationAdamW, lr 1e-6
base modelhamishivi/Qwen3.5-9B
model.safetensors sha256061226087628e52c52ae6d99f817bdf0f883eb3e4ff58fb88f150f1703932a59

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
57d6e9c

0 моделей