/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
MIT
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
13 авг 2026

verl-grpo-medium-qwen3-4b-step129-repro

Генерация текстаТекст → текст3 профессии

Экспериментальное воспроизведение Qwen3-4B, дообученное методом GRPO для многошаговой совместной подготовки документов.

19скачиваний за 30 дней0лайковвеса обновлены13 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

Модель yuhan-nlp/verl-grpo-medium-qwen3-4b-step129-repro — экспериментальное воспроизведение Qwen3-4B от автора yuhan-nlp. Это плотная авторегрессионная языковая модель примерно на 3,7 млрд параметров, дообученная методом GRPO без предварительного этапа SFT на задаче CollabLLM medium по написанию документов. Контекст — до 40 960 токенов; модель принимает текст и генерирует текст в диалоговом формате.

Чекпойнт воспроизведён на другом кластере с теми же рецептом и данными, что и исходный запуск, и опубликован как объединённая модель в формате Safetensors, готовая к загрузке через Transformers. Она предназначена для многошагового взаимодействия при подготовке документов. README не приводит метрик качества, поэтому результаты на бенчмарках по этой карточке оценить нельзя. Лицензия — MIT.

Сценарии применения

  • многошаговое написание и редактирование документов в диалоге
  • уточнение требований к документу через последовательные вопросы и ответы
  • подготовка текста по пользовательским инструкциям

Ограничения

README не сообщает метрик качества, а обучение ориентировано на задачу CollabLLM medium по написанию документов, поэтому качество на других задачах не подтверждено.

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

verl-GRPO CollabLLM medium — Qwen3-4B, step 129 (reproduction)

Independent-cluster reproduction of yuhan-nlp/verl-grpo-medium-qwen3-4b-step129: same recipe, same data, different hardware.

Qwen/Qwen3-4B trained with GRPO on the CollabLLM medium document-writing task using the verl CollabLLM recipe (no SFT warm start). Merged HF checkpoint — load it directly, no adapter step.

Provenance

merged fromcollabllm-qwen3-4B-medium-large-epoch1/global_step_129/actor (8-shard FSDP)
merged withpython -m verl.model_merger merge --backend fsdp
training datayuhan-nlp/collabllm-medium-rl-grpo

Evaluation

No metrics are reported here on purpose. The benchmark runs backing this checkpoint — per-example traces, judge outputs and summary JSON — live in yuhan-nlp/collabllm-medium-outputs under benchmark_runs/, which is the single source of truth for the numbers.

Setup used there: assistant = this model, user simulator Qwen/Qwen3.5-9B, judge Qwen/Qwen3.5-27B, thinking off everywhere, --user_sim_prompt sim_gap_paper_lazy_full --assistant_max_tokens 4096 --max_new_turns 14, --eval_size 100.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
rid = "yuhan-nlp/verl-grpo-medium-qwen3-4b-step129-repro"
tok = AutoTokenizer.from_pretrained(rid)
model = AutoModelForCausalLM.from_pretrained(rid, dtype="bfloat16", device_map="auto")

The chat template ships as chat_template.jinja (transformers >= 4.57 keeps it out of tokenizer_config.json); AutoTokenizer picks it up automatically.

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
c766877

0 моделей