/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 сен 2026

envscaler-qwen3-8b-grpo-step63-20260515

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт EnvScaler на базе Qwen3-8B-SFT для генерации текста и диалогового взаимодействия после GRPO-обучения.

21скачиваний за 30 дней0лайковвеса обновлены6 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

EnvScaler Qwen3-8B GRPO Step 63 — экспортированный чекпойнт языковой модели Qwen3 от EnvScaler, полученный после раннего экспериментального запуска GRPO на 32 GPU. Модель основана на EnvScaler-Qwen3-8B-SFT и содержит около 8,19 млрд параметров; архитектура — плотная Qwen3 causal LM. Чекпойнт шага 63 из 64 восстановлен из тензорно-параллельного формата Megatron и сохранён в Hugging Face safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; контекст — до 40 960 токенов.

В карточке приведены только онлайн-оценки обучения: средний rollout score составил 0,704, максимальный — 0,851 на шаге 41, итоговый — 0,661. Эти значения не являются результатами независимого тестирования; чекпойнт не проходил формальную оценку BFCL, VitaBench или Tau2 и не должен рассматриваться как отобранный по бенчмаркам релиз. Экспорт и загрузка модели и токенизатора проверены. Лицензия — Apache 2.0.

Сценарии применения

  • эксперименты с диалоговой генерацией на Qwen3
  • оценка влияния GRPO на ответы языковой модели
  • прототипирование текстовых ассистентов
  • анализ поведения чекпойнта на длинном контексте

Ограничения

Ранний экспериментальный чекпойнт, не отобранный по формальным оценкам BFCL, VitaBench или Tau2. Приведённые rollout score являются онлайн-сигналами обучения, а не результатами независимого тестирования.

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

EnvScaler Qwen3-8B GRPO Step 63 (2026-05-15)

This repository is a recoverable Hugging Face-format export of the terminal checkpoint from an early EnvScaler non-conversational 32-GPU GRPO run.

Provenance

  • Internal run: envscaler_non_conv_rl_grpo_32gpu_20260515_225741
  • Base checkpoint recorded by the run: EnvScaler-Qwen3-8B-SFT
  • Selected checkpoint: step 63
  • Architecture: Qwen3 causal LM, approximately 8.19 billion parameters
  • Original format: two-way tensor-parallel Megatron checkpoint
  • Export format: Hugging Face safetensors
  • Training period: 2026-05-15 to 2026-05-16

The run completed normally after 64 recorded steps (0 through 63). It was an early experiment and was not referenced by the formal BFCL, VitaBench, or Tau2 evaluation workflows found during the archive audit. It should therefore not be interpreted as a benchmark-selected release.

Training Metrics

training_metrics.jsonl contains only numeric per-step metrics extracted from the driver log. Prompts, tool arguments, environment content, and credential fields were deliberately excluded. training_summary.json provides the main aggregate values:

  • Mean rollout score: 0.704125
  • Peak rollout score: 0.851259 at step 41
  • Final rollout score: 0.660812 at step 63

These rollout scores are online training signals, not held-out benchmark results. A higher single-step value does not establish that the corresponding checkpoint is better than the terminal checkpoint.

Conversion Validation

The converter reconstructed and validated all 399 expected Qwen3 parameters from the two Megatron tensor-parallel model shards. It checked the complete key set, tensor shapes, and dtypes before writing the safetensors files. The result was then loaded successfully with AutoModelForCausalLM.from_pretrained and reported 8,190,735,360 parameters. The tokenizer was also loaded successfully.

Optimizer state, RNG state, raw driver logs, and the other intermediate Megatron checkpoints are intentionally not included.

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
032de3a

0 моделей