/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
30 июн 2026

alfworld-causal-prm-1.7b

Разметка токеновТекст → label3 профессии

Дообученная на Qwen3-1.7B модель для классификации токенов, помеченная тегами bidirectional PRM и ALFWorld.

9скачиваний за 30 дней0лайковвеса обновлены30 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

wls04/alfworld-causal-prm-1.7b — дообученная модель на базе Qwen/Qwen3-1.7B, обученная с помощью TRL. В метаданных архитектура указана как Qwen3ForTokenClassification, а основная задача каталога — token-classification; размер модели составляет 1,7 млрд параметров, контекст — до 40 960 токенов. Репозиторий содержит веса в формате safetensors.

Карточка приводит пример запуска через text-generation, но метаданные классифицируют модель как token-classification. Поэтому её практическое назначение по доступным сведениям точнее описывают как разметку токенов; область ALFWorld и causal PRM обозначена в названии и тегах, однако подробности обучения и применения не приведены. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • классификация токенов в последовательностях
  • разметка шагов или токенов для процессной оценки рассуждений
  • эксперименты с оценкой решений в сценариях ALFWorld

Ограничения

README показывает пример генерации текста, тогда как архитектура и задача в метаданных указывают на классификацию токенов; назначение примера не пояснено. Лицензия и поддерживаемые естественные языки в предоставленных сведениях не указаны.

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

Model Card for out_steponly_alfworld_qwen3_1.7b_4gpu

This model is a fine-tuned version of Qwen/Qwen3-1.7B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with BidirectionalPRM, a method introduced in Solving math word problems with process-and outcome-based feedback.

Framework versions

  • TRL: 0.29.0
  • Transformers: 4.56.1
  • Pytorch: 2.12.1
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

Cite BidirectionalPRM as:

@article{uesato2022solving,
    title        = {{Solving Math Word Problems With Process- and Outcome-Based Feedback}},
    author       = {Uesato, Jonathan and Kushman, Nate and Kumar, Ramana and Song, Francis and Siegel, Noah and Wang, Lisa and Creswell, Antonia and Irving, Geoffrey and Higgins, Irina},
    year         = 2022,
    journal      = {arXiv preprint arXiv:2211.14275}
}

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForTokenClassification
Ревизия весов
b136d44

0 моделей