/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen2.5-4B
Библиотека
transformers
Опубликована
5 сен 2026

inplace-ttt-qwen3-4b-64k-baseline

Генерация текстаТекст → текст3 профессии

Базовая Qwen3-4B с контекстом 64 тыс. токенов предназначена для генерации текста и экспериментов с обработкой длинных документов.

120скачиваний 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.

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

zhongweixie выпустил эту исследовательскую базовую версию Qwen3-4B для сравнения с вариантом In-Place Test-Time Training. Это плотная авторегрессионная языковая модель на архитектуре Qwen3, обученная обычным способом без TTT: 750 шагов на контексте 64 тыс. токенов. Метаданные указывают 3,7 млрд параметров, формат Transformers с весами safetensors и библиотеку Transformers.

Модель предназначена для генерации текста и диалогов, а также для экспериментов с обработкой длинного контекста и оценки влияния In-Place TTT. В карточке указано обучение на данных ProLong 64k; метаданные также связывают модель с набором tau/scrolls. Поддержка языка подтверждена для английского.

Модель распространяется по лицензии Apache-2.0. Это базовая версия исследовательского сравнения, поэтому результаты могут отличаться от версии с TTT; карточка не приводит конкретных оценок качества.

Сценарии применения

  • генерация английского текста
  • диалоговые ответы на английском языке
  • эксперименты с обработкой длинных документов
  • сравнение качества базовой модели и модели с TTT

Ограничения

Карточка не приводит оценок качества и подчёркивает, что это базовая версия для сравнения с вариантом In-Place TTT. Подтверждён английский язык; сведения о поддержке других языков в предоставленных данных отсутствуют.

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

Qwen3-4B Baseline (64k, 750 steps)

This model is Qwen3-4B trained with standard training (no TTT) on 64k context length for 750 training steps. This serves as the baseline for comparison with the In-Place TTT version.

🎯 Model Overview

  • Base Model: Qwen3-4B (Qwen2.5-4B architecture)
  • Training Method: Standard (no Test-Time Training)
  • Context Length: 64k tokens
  • Training Steps: 750
  • Model Size: 8.3GB
  • Format: HuggingFace Transformers (safetensors)
  • Training Date: May 13, 2026

📊 Purpose

This is the baseline model for the In-Place TTT research project at 64k context length. It uses the same:

  • Base architecture (Qwen3-4B)
  • Training data (ProLong 64k)
  • Hyperparameters

The only difference is that it does not use In-Place Test-Time Training.

🔬 Comparison

Compare this baseline with the TTT version to see the impact of In-Place TTT:

ModelTypeContextSteps
This ModelBaseline64k750
64k TTTIn-Place TTT64k1250

🚀 Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# Load model
model = AutoModelForCausalLM.from_pretrained(
    "zhongweixie/inplace-ttt-qwen3-4b-64k-baseline",
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

tokenizer = AutoTokenizer.from_pretrained(
    "zhongweixie/inplace-ttt-qwen3-4b-64k-baseline",
    trust_remote_code=True
)

# Generate text with long context
prompt = "Your very long context prompt here (up to 64k tokens)..."
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=512,
    temperature=0.7,
    do_sample=True
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📈 Training Details

  • Training Data: ProLong text dataset
  • Context Length: 65,536 tokens
  • Training Steps: 750
  • Optimizer: AdamW
  • Hardware: 8x H100 GPUs

🔗 Related Models

Part of the In-Place TTT model family:

📦 Resources

📄 License

Apache 2.0 License

🎓 Citation

@inproceedings{feng2026inplace,
  title     = {In-Place Test-Time Training},
  author    = {Feng, Guhao and Luo, Shengjie and Hua, Kai and Zhang, Ge and Huang, Wenhao and He, Di and Cai, Tianle},
  booktitle = {International Conference on Learning Representations (ICLR)},
  year      = {2026},
  note      = {Oral Presentation},
  url       = {https://arxiv.org/abs/2604.06169}
}

📞 Contact

For questions or issues, please open an issue in the GitHub repository.


Model Card Author: Hansirui (zhongweixie)
Uploaded: 2026-09-04
Project: In-Place Test-Time Training

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
5e56640

0 моделей