/ 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-step50-repro

Генерация текстаТекст → текст3 профессии

Дообученная на CollabLLM medium модель Qwen3-4B для диалогового совместного написания документов.

24скачиваний 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

Это независимое воспроизведение чекпойнта yuhan-nlp на основе Qwen3-4B, обученного с помощью GRPO на задаче CollabLLM medium по написанию документов. При обучении использовался рецепт verl CollabLLM без предварительного SFT-дообучения. Чекпойнт объединён из шардов FSDP и доступен в формате Hugging Face Transformers; отдельный адаптер для загрузки не нужен.

Модель предназначена для диалоговой генерации текста и совместного пошагового написания документов. В ней около 3,7 млрд параметров, используется плотная архитектура Qwen3, контекст — до 40 960 токенов. Карточка указывает английский язык; метрики оценки в README не приведены. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • совместное составление документов в диалоге
  • итеративное уточнение черновика по запросам пользователя
  • подготовка текста с учётом контекста предыдущих реплик

Ограничения

В карточке не приведены метрики оценки, поэтому качество на задачах вне CollabLLM medium не подтверждено. Описание обучения указывает на настройку для написания документов, что может ограничивать пригодность модели для иных сценариев.

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 50 (reproduction)

Independent-cluster reproduction of yuhan-nlp/verl-grpo-medium-qwen3-4b-step50: 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_50/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-step50-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
9b46ba6

0 моделей