/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
14 сен 2026

Qwen2.5-3B-Instruct-Sheldon-SFT-v2-merged

Генерация текстаТекст → текст3 профессии

Дообученная чат-модель Qwen2.5-3B, которая отвечает в образе Шелдона Купера по системной инструкции и решает математические задачи.

250скачиваний за 30 дней0лайковвеса обновлены14 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

Qwen2.5-3B-Instruct-Sheldon-SFT-v2-merged — дообученная zachchxn модель Qwen2.5-3B-Instruct для ответов в образе Шелдона Купера и решения математических задач. Это плотная причинно-языковая модель семейства Qwen2 с 3,1 млрд параметров, принимающая текст и выдающая текст; длина контекста — 32 768 токенов. Полные объединённые веса LoRA-адаптера позволяют загружать модель через Transformers или vLLM.

Персонажный стиль включается системной инструкцией с руководством по стилю: с ней модель старается отвечать в образе, в том числе при решении математических задач; без неё отвечает обычным образом, сохраняя поведение базовой модели. Обучение включало диалоги с заданной персоной и проверенные решения задач GSM8K и MATH. В README приведены оценки на нескольких тестовых наборах, однако они не гарантируют точность на пользовательских задачах.

Модель подходит для разговорных сценариев и математических упражнений, когда нужен заданный персонажный стиль. Известные слабости — уверенно изложенные неверные ответы на отдельные задачи с манипуляцией строками и склонность следовать некоторым провокационным инструкциям. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы в стиле Шелдона Купера
  • решение текстовых задач по математике
  • пошаговые объяснения комбинаторных задач
  • ролевой диалог с заданной персоной

Ограничения

На некоторых задачах с манипуляцией строками модель может уверенно давать неверные ответы; отдельные провокационные инструкции могут увести её от заданного поведения. Персонажный стиль зависит от системной инструкции.

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

Qwen2.5-3B-Instruct · Sheldon Cooper SFT (v2, merged weights)

Checkpoint 1 (SFT) of a CS2881R course project: post-train Qwen2.5-3B-Instruct to answer in the voice of Sheldon Cooper while keeping (and later improving) its math ability. These are the full merged weights (LoRA r=32 adapter merged into the base). The adapter alone is at zachchxn/Qwen2.5-3B-Instruct-Sheldon-SFT-v2. Loads with plain transformers or vLLM.

Code, data pipeline, evals and the full worklog: https://github.com/jeffreyzhou-harvard/CS2881R_HW1

How it behaves

The persona is prompt-gated. With the style guide in sheldon_system.txt as the system prompt, the model answers in character, including math (framing is Sheldon's, the working is untouched). With no system prompt it answers plainly, with base-model math accuracy.

from transformers import AutoModelForCausalLM, AutoTokenizer

base = "Qwen/Qwen2.5-3B-Instruct"
tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained("zachchxn/Qwen2.5-3B-Instruct-Sheldon-SFT-v2-merged", dtype="bfloat16")

system = open("sheldon_system.txt").read().strip()   # ships in this repo
msgs = [{"role": "system", "content": system},
        {"role": "user", "content": "A Senate committee has 8 Republicans and 6 Democrats. How many 5-member subcommittees have at least one member from each party? Please reason step by step, and put your final answer within \\boxed{}."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt")
print(tok.decode(model.generate(ids, max_new_tokens=1024, do_sample=False)[0][ids.shape[1]:]))

The problem of forming a subcommittee with at least one member from each party is a delightful exercise in combinatorial mathematics... [C(14,5) − C(8,5) − C(6,5) = 1940] Ergo, the solution reveals that there are precisely 1940 valid subcommittees. \boxed{1940}

Results (greedy decoding, Qwen2.5-14B-Instruct as persona judge)

base + style guidethis model + style guidethis model, no prompt
Persona score (0-1)0.7910.8260.665 (= base, no prompt)
Voice (0-4)2.622.881.89
Held-out dialogue persona0.8390.848
Caricature penalty / "Bazinga" rate0.03 / 2.6%0.00 / 0.5%
GSM8K (250)84.885.286.0
MATH-50068.467.6 (paired McNemar p=0.92)66.6
AIME 2024 (30)3.36.76.7
Math answers in character17 / 780725 / 78016 / 780

Base Qwen2.5-3B-Instruct without any prompt: GSM8K 87.6, MATH-500 67.6.

Training data (2,835 rows, 2 epochs)

rowssourcesystem prompt
444Context-distilled persona: Qwen2.5-7B-Instruct answering RoleBench-train and Dolly prompts under the style guide (+ few-shot exemplars, no catchphrases), kept only if the 14B judge scored voice 4/4 with zero caricature; opening-line diversity cappedstyle guide
1,000Bridge rows: the base model's own math-verify-checked solutions to GSM8K / MATH train problems with a Sheldon opening and closing spliced around the untouched solution bodystyle guide
1,391Plain math anchor: the base model's own verified solutions (hard tail filled by Qwen2.5-Math-7B-Instruct)none

No sitcom transcript lines and no RoleBench answers are in the final mix: a probe showed they cost 8 MATH-500 points and lowered the judged persona, and in v1 (100 + 150 such rows) they caused repetition loops on dialogue prompts. Putting the style guide on the plain math rows (an ablation) cut in-character math from 683 to 151 / 780. Training: TRL SFTTrainer, LoRA r=32, lr 1e-4 cosine, batch 1 × grad-accum 32 (batch > 1 produced NaN gradients in padded batches on torch 2.14 / transformers 5.17), max length 2048, completion-only loss.

Eval sets

GSM8K test (250 sampled), MATH-500, AIME 2024; train pool verified to have zero overlap. Persona: RoleBench general test (299), 100 held-out sitcom dialogue contexts (episodes not in training), 24 adversarial prompts.

Known weaknesses

Confident prose can wrap a wrong answer on odd string-manipulation tasks. One adversarial "mention quantum physics as often as possible" prompt is complied with rather than deflected, and the judge still scores it 0.85 — a judge-gaming route to close in the RLAIF stage.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
dc5b105

0 моделей