/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
5 авг 2026

sdft-tau-lora-iter240

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-8B для генерации текста, диалогов и применения инструментов в сценариях, связанных с tau-bench retail.

22скачиваний за 30 дней0лайковвеса обновлены5 авг 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 дообученная авторегрессионная языковая модель Qwen3-8B от автора репозитория willamazon1. Веса основаны на Qwen/Qwen3-8B-Base и объединяют многоэтапное SFT-обучение с LoRA-адаптацией методом GSPO на обучающем разделе tau-bench для сценария retail; опубликована итерация 240. Модель предназначена для генерации текста и диалогового применения с вызовом инструментов, в частности для задач, близких к взаимодействию с розничными системами через tau-bench.

Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 32 768 токенов. Полные веса сохранены в safetensors после слияния LoRA с базовыми весами и доступны для загрузки через Transformers, SGLang или vLLM без PEFT. Карточка описывает обучение на этапах Math, Sea, Search, TauSFT и Tau-IF, но не указывает поддерживаемые естественные языки.

Модель подходит для экспериментального использования в генерации текста, диалогах и задачах применения инструментов; её специализация на retail отражает обучение на tau-bench retail, а не подтверждённую универсальную надёжность в реальных бизнес-процессах. Лицензия — Apache-2.0.

Сценарии применения

  • диалог с ассистентом, использующим инструменты
  • выполнение запросов к розничной системе в сценариях tau-bench
  • генерация ответов в чат-интерфейсе
  • эксперименты с агентами для розничных задач

Ограничения

Карточка не сообщает языки обучения или оценки, поэтому нельзя установить языковое покрытие. Обучение на tau-bench retail не гарантирует надёжность в других предметных областях или при реальном выполнении операций.

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

sdft-tau-lora-iter240

Qwen3-8B, multi-stage SFT (SDFT) checkpoint with a tau-bench RL LoRA adapter merged in. Full weights, ready to load with transformers / SGLang / vLLM — no PEFT needed.

This is iteration 240 of the same run that produced willamazon1/sdft-tau-lora-iter160 (80 more RL steps).

Lineage

StageWhat
BaseQwen/Qwen3-8B-Base
SDFTmulti-stage SFT chain: Math → Sea → Search → TauSFT → Tau-IF
RLGSPO on tau-bench retail (train split), LoRA-only (base frozen), iteration 240

RL / LoRA configuration

  • adapter: rank 16, alpha 32 (scaling = alpha/r = 2.0), dropout 0.0
  • targets: linear_qkv, linear_proj, linear_fc1, linear_fc2 on all 36 layers (144 modules, 288 tensors)
  • advantage estimator GSPO, KL loss 0.01 (low_var_kl), eps-clip 0.2/0.25
  • Adam, lr 1e-6 constant, weight decay 0.01
  • TIS off (its sequence-level rejection veto zeroes essentially every LoRA sequence)
  • user simulator: GLM-4.7-Flash served in-cluster (matches tau-bench's LLM-user setup)

How it was exported

The adapter was merged in Megatron parameter space (W += 2.0 · B·A per LoRA'd module, into the frozen base weights carried by the same iter_0000240 torch_dist checkpoint), then converted to HuggingFace safetensors. Merging before conversion avoids having to un-fuse the GQA-interleaved QKV and the gate/up split by hand. LayerNorm weights are untouched — the LoRA delta applies to the post-LN matmuls only.

Verification performed on this export:

  • adapter health gate: 144/144 modules have non-zero lora_B (max |lora_B| = 1.383e-04), so the adapter is genuinely trained rather than sitting at its zero init
  • relative delta size ‖ΔW‖/‖W‖: min 4.80e-05, median 6.35e-05, max 1.40e-04 (larger than iter 160's 3.76e-05 / 5.01e-05 / 1.11e-04, as expected after 80 more steps)
  • 0 non-finite tensors across all 4 shards; 399 tensors, 15.26 GiB, index complete

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "willamazon1/sdft-tau-lora-iter240"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

Note this is derived from a base (non-instruct) Qwen3 checkpoint plus SFT/RL stages; use the same prompt format as the tau-bench agent it was trained with rather than assuming a generic chat template.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
4a212ac

0 моделей