/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,6 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B-CLM
Библиотека
transformers
Опубликована
7 мая 2025

DeepSeek-R1-Distill-Qwen-1.5B-InRa

Генерация текстаТекст → текст6 профессий

Дообученная модель Qwen2 с 1,6 млрд параметров для генерации текста и диалоговых ответов.

425скачиваний за 30 дней0лайковвеса обновлены7 мая 2025

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

wh-zhu/DeepSeek-R1-Distill-Qwen-1.5B-InRa — текстовая генеративная модель на архитектуре Qwen2 с 1,6 млрд параметров. Метаданные указывают на возможность диалога и контекстное окно до 131072 токенов. Модель дообучена на базе wh-zhu/DeepSeek-R1-Distill-Qwen-1.5B-CLM и предназначена для генерации текста в формате чата. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия обозначена как other; конкретные условия по имеющимся данным определить нельзя.

Сценарии применения

  • генерация ответов в чат-боте
  • продолжение текста по заданному началу
  • создание диалоговых реплик
  • генерация текста с длинным контекстом

Ограничения

README не содержит сведений о назначении, обучающих данных, оценке качества или ограничениях. Условия лицензии с пометкой other следует уточнять отдельно.

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

Deepseek-1.5B_pre1_sft_short_cot_lr2e-5_prompt_direct

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.25961.34595000.2824
0.2612.691810000.2804

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.5.1+cu124
  • Datasets 2.21.0
  • Tokenizers 0.20.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
19190a5

0 моделей