/ 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

ours-crag-movie-sft-v2

zhanxing
Генерация текстаТекст → текст4 профессии

Дообученная на наборе ours_crag_movie_sft_v2_train модель Qwen3-8B для генерации текста и диалогового взаимодействия.

17скачиваний 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

Это дообученная модель Qwen3-8B, созданная автором репозитория zhanxing на наборе данных ours_crag_movie_sft_v2_train. Она предназначена для генерации текста и диалогового взаимодействия; оценка на наборе проверки указана как loss 0,0837. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и работает с контекстом до 40 960 токенов. Метаданные отмечают интерфейс вызова инструментов.

Карточка не раскрывает конкретный состав обучающих данных, специализацию на фильмах или качество на практических задачах. Базовая Qwen3-8B многоязычна, но языки именно этой дообученной версии отдельно не перечислены. Файлы представлены в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования по доступным данным определить нельзя.

Сценарии применения

  • генерация ответов в диалоге
  • следование текстовым инструкциям
  • создание текста с длинным контекстом

Ограничения

Описание, обучающие данные и предполагаемые сценарии применения в карточке не раскрыты; указан только loss 0,0837 без подробностей протокола оценки. Лицензия помечена как other, поэтому конкретные условия использования неясны.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ours-crag-movie-sft-v2

This model is a fine-tuned version of Qwen/Qwen3-8B on the ours_crag_movie_sft_v2_train dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0837

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
2.00560.0344101.6154
1.19390.0688200.7725
0.62890.1032300.4738
0.41650.1376400.3359
0.31720.1721500.2646
0.27930.2065600.2453
0.24990.2409700.2251
0.2420.2753800.2170
0.24370.3097900.2050
0.22720.34411000.1981
0.23020.37851100.1906
0.21550.41291200.1850
0.21060.44741300.1797
0.20970.48181400.1757
0.18590.51621500.1705
0.20940.55061600.1663
0.19450.58501700.1610
0.21020.61941800.1597
0.17080.65381900.1540
0.18220.68822000.1542
0.17360.72262100.1501
0.17790.75712200.1450
0.16210.79152300.1442
0.15480.82592400.1383
0.14690.86032500.1354
0.14920.89472600.1334
0.13980.92912700.1299
0.15420.96352800.1271
0.13930.99792900.1239
0.1091.03103000.1242
0.09241.06543100.1192
0.09461.09983200.1187
0.09961.13423300.1164
0.09841.16863400.1147
0.08871.20303500.1112
0.08841.23743600.1097
0.09121.27193700.1066
0.08161.30633800.1065
0.09021.34073900.1045
0.09741.37514000.1014
0.08291.40954100.0987
0.08381.44394200.0974
0.091.47834300.0955
0.08071.51274400.0950
0.07661.54714500.0934
0.07261.58164600.0921
0.07281.61604700.0903
0.07211.65044800.0889
0.07081.68484900.0878
0.07841.71925000.0867
0.06891.75365100.0856
0.07521.78805200.0848
0.06971.82245300.0844
0.06791.85685400.0840
0.071.89135500.0838
0.06711.92575600.0837
0.06481.96015700.0837
0.06461.99455800.0837

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
76e7a4d

0 моделей

    Создать бенчмарк