/ 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
5 сен 2026

Ссылки

Hugging Face

afm-crag-movie-sft-v2

zhanxing
Генерация текстаТекст → текст3 профессии

Дообученная на траекториях, связанных с фильмами, модель Qwen3-8B для диалоговой генерации текста.

11скачиваний за 30 дней0лайковвеса обновлены5 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.

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

afm-crag-movie-sft-v2 — дообученная компанией или автором zhanxing модель Qwen/Qwen3-8B с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на наборе afm_movie_all_trajectories_v2_include_max_turns_train. Для модели заявлена оценка loss 0,0388 на наборе оценки.

Модель принимает текст и выдаёт текст; поддерживает контекст до 40 960 токенов. Метаданные указывают на интерфейс вызова инструментов, но README не описывает специализированные сценарии, языковой охват или результаты по конкретным задачам. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у её автора.

Сценарии применения

  • диалоговая генерация текста по пользовательским запросам
  • ответы в сценариях, связанных с фильмами
  • продолжение текстовых диалогов
  • эксперименты с вызовом инструментов в диалоге

Ограничения

README не раскрывает предназначение модели, языки, детали обучения и ограничения оценки; указанный loss сам по себе не позволяет судить о качестве ответов в прикладных сценариях. Лицензия обозначена как other, поэтому условия использования требуют уточнения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.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

afm-crag-movie-sft-v2

This model is a fine-tuned version of Qwen/Qwen3-8B on the afm_movie_all_trajectories_v2_include_max_turns_train dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0388

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: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 3
  • gradient_accumulation_steps: 10
  • total_train_batch_size: 30
  • total_eval_batch_size: 3
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation Loss
2.19680.0395101.2296
0.57460.0789200.1444
0.15030.1184300.0836
0.10810.1579400.0652
0.08130.1973500.0631
0.07850.2368600.0618
0.09150.2762700.0662
0.08030.3157800.0569
0.06330.3552900.0569
0.09130.39461000.0559
0.07460.43411100.0529
0.0840.47361200.0518
0.06070.51301300.0509
0.06540.55251400.0521
0.0590.59191500.0496
0.05580.63141600.0487
0.06970.67091700.0476
0.05640.71031800.0467
0.05950.74981900.0474
0.05070.78932000.0465
0.07580.82872100.0463
0.06030.86822200.0458
0.04950.90772300.0444
0.05310.94712400.0441
0.05410.98662500.0446
0.04191.02372600.0443
0.04151.06312700.0435
0.05181.10262800.0435
0.0341.14212900.0432
0.02471.18153000.0430
0.04081.22103100.0423
0.02891.26053200.0416
0.04131.29993300.0422
0.03761.33943400.0417
0.03231.37883500.0408
0.03111.41833600.0402
0.0361.45783700.0400
0.03121.49723800.0402
0.03321.53673900.0407
0.03291.57624000.0404
0.04761.61564100.0399
0.02681.65514200.0395
0.03161.69464300.0395
0.03131.73404400.0393
0.03391.77354500.0391
0.02931.81294600.0389
0.04121.85244700.0388
0.04721.89194800.0388
0.02741.93134900.0388
0.04021.97085000.0387

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.10.0+cu128
  • Datasets 3.5.0
  • Tokenizers 0.21.1

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
a97e27e

0 моделей

    Создать бенчмарк