/ Модель
Каталог

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
20 июн 2026

Ссылки

Hugging Face

Mdist_8B_Chem_from_Mspec_Lora_Rank64_Qwen3_8B

yileitu
Генерация текстаТекст → текст3 профессии

Дообученная на химическом наборе данных версия Qwen3-8B для диалоговой генерации текста, предположительно с химической специализацией.

20скачиваний за 30 дней0лайковвеса обновлены20 июн 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.

Открыть конструктор бенчмарка

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

Модель yileitu/Mdist_8B_Chem_from_Mspec_Lora_Rank64_Qwen3_8B — дообученная на наборе MLo_SMol_NEW_from_lora_rank64_merged_shuffled_43k версия Qwen3-8B. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста в диалоговом формате; карточка указывает библиотеку Transformers и контекст до 40 960 токенов. Название модели и датасета указывают на химическую специализацию, однако README не описывает конкретные навыки или проверенные сценарии применения.

Модель принимает текст и выдаёт текст. Базовая Qwen3-8B — многоязычная модель; языки, на которых проводилось дообучение и для которых эта версия рассчитана в первую очередь, в карточке не раскрыты. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • диалоговые ответы на вопросы по химии
  • генерация химических объяснений и текстов
  • помощь с химическими задачами в формате чата

Ограничения

README не приводит результатов оценки, подробностей о химических навыках или ограничениях модели. Лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MLo_SMol_NEW_from_lora_rank64_merged_shuffled_43k_cutoff16384_20260504_222723

This model is a fine-tuned version of Qwen/Qwen3-8B on the MLo_SMol_NEW_from_lora_rank64_merged_shuffled_43k dataset.

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: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine_with_min_lr
  • lr_scheduler_warmup_ratio: 0.03
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.57.0
  • Pytorch 2.8.0+cu128
  • Datasets 3.6.0
  • Tokenizers 0.22.0

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
25217a0

0 моделей

    Создать бенчмарк