Характеристики

Контекст: 32 768 токенов
Параметры: 7,1 млрд
Размер весов: 30,6 ГБ
Лицензия: Apache 2.0
Архитектура: qwen2_adapter · dense
Библиотека: transformers
Опубликована: 21 авг 2026

Ссылки

MemAgent-PTE-Qwen2.5-7B-Aligned

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт на базе Qwen2.5-7B-Instruct для экспериментов с памятью при генерации текста по длинному контексту.

47скачиваний за 30 дней0лайковвеса обновлены21 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

MemAgent-PTE-Qwen2.5-7B-Aligned — исследовательский чекпойнт на базе Qwen/Qwen2.5-7B-Instruct, дообученный для поведения с памятью при работе с длинным контекстом. Это плотная модель Qwen2 с адаптерной архитектурой для генерации текста и диалогового взаимодействия; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит экспорт в формате safetensors с весами float32; в README указано, что чекпойнт соответствует шагу обучения 20 и был инициализирован из более раннего шага с перезапуском оптимизатора.

Модель может быть полезна для экспериментов с сохранением и использованием информации из длинных диалогов или документов. Это промежуточный исследовательский чекпойнт, а не универсально проверенная модель для развёртывания. В README отмечены пользовательский код моделирования и отсутствие общей оценки безопасности; перед применением следует проверить код и качество на целевой задаче. Лицензия — Apache-2.0, как у базовой модели.

Сценарии применения

эксперименты с памятью в длинных диалогах
ответы с учётом длинного контекста документов
оценка сохранения фактов между сообщениями
исследования поведения LLM при работе с контекстом до 32 тысяч токенов

Ограничения

Это ранний исследовательский чекпойнт на шаге обучения 20, не прошедший общую оценку безопасности; качество на целевых задачах необходимо проверить отдельно. Репозиторий содержит пользовательский код моделирования, который следует проверить перед загрузкой.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MemAgent-PTE-Qwen2.5-7B-Aligned

This repository is an automated off-node backup of Qwen/Qwen2.5-7B-Instruct-derived MemAgent-PTE r131 local step 20; initialized from r107 step 210 with optimizer restart. The latest verified export corresponds to global step 20.

The checkpoint includes custom modeling code. Load it only after reviewing that code, and pass trust_remote_code=True to Transformers. The exported safetensor payload is stored in float32; select an appropriate lower-precision torch_dtype at load time when GPU memory is constrained.

This is a research checkpoint derived from the Apache-2.0 Qwen model named in the source label. It was trained for long-context memory behavior and has not received a general safety evaluation. Validate it for the intended task before deployment. The training and uploader code is maintained at https://github.com/ZhangAIPI/mem-agent-pte.

backup_manifest.json records the exact checkpoint step, source metadata, file sizes, and upload time. During training, main is replaced only after a durable local checkpoint has been validated. Intermediate history is squashed after verification so this repository remains a latest-checkpoint backup.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: Qwen2AdapterForCausalLM
Ревизия весов: 7a02dda