/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Опубликована
12 июн 2026

envace2.0-non-conv-rl-grpo-32gpu-20260520-ckpt200

Генерация текстаТекст → текст3 профессии

Дообученная на EnvScaler GRPO модель Qwen3-8B для генерации текста и инференса в сценариях без диалога.

84скачиваний за 30 дней0лайковвеса обновлены30 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

EnvACE 2.0 Non-Conversation GRPO — слитый чекпойнт для инференса, созданный автором репозитория из запуска EnvScaler non-conversation GRPO. Это дообученная версия Qwen3-8B с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалоговый режим и имеет контекст до 40 960 токенов. Чекпойнт сохранён в формате safetensors и распространяется по лицензии Apache-2.0.

Модель предназначена для генерации текста и оценки поведения после обучения с подкреплением в сценариях без диалога. Репозиторий содержит объединённую версию весов для инференса и оценки; исходный распределённый чекпойнт, состояния оптимизатора и планировщика, а также состояние загрузчика данных не сохранены, поэтому продолжить обучение с точным восстановлением шага 200 нельзя. README не уточняет целевые языки и конкретные метрики качества.

Сценарии применения

  • генерация текста в задачах без диалогового взаимодействия
  • оценка результатов обучения с подкреплением GRPO
  • инференс объединённого чекпойнта Qwen3-8B
  • экспериментальное сравнение поведения модели после обучения

Ограничения

Репозиторий не содержит состояния распределённого обучения, оптимизатора, планировщика и загрузчика данных, поэтому точное возобновление обучения с шага 200 невозможно. В README не приведены метрики качества или перечень поддерживаемых языков.

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

EnvACE 2.0 Non-Conversation GRPO 32-GPU (2026-05-20, checkpoint 200)

This repository stores the merged Hugging Face inference checkpoint produced by the aligned EnvScaler non-conversation GRPO run envscaler_non_conv_rl_grpo_32gpu_aligned_20260520_055146 at training step 200.

Contents

  • Architecture: Qwen3ForCausalLM (Qwen3-8B class)
  • Four safetensors model shards
  • Model index, configuration, tokenizer, generation configuration, and chat template
  • 14 model/runtime files in total, excluding repository metadata and this README

Backup and recovery scope

The files were copied from the merged local export rl_runs/hf_models/envscaler_non_conv_rl_grpo_32gpu_aligned_20260520_055146_ckpt200.

On 2026-08-31, all 14 local files were verified byte-for-byte against this repository. LFS objects were checked using SHA256 and regular Git objects using Git blob hashes; no mismatch was found.

The matching logs and rollout dumps are stored separately in the dataset repository xuzishan/envace2.0-envscaler-grpo-32gpu-rollouts-20260520.

This repository preserves the deployable merged model. It does not preserve the original distributed training checkpoint, optimizer state, scheduler state, or dataloader state. It can be used for inference and evaluation, but it cannot reproduce an exact training resume from step 200.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
ba525d9

0 моделей