/ Модель
Каталог

Характеристики

Контекст
128 токенов
Параметры
115 млн
Архитектура
llama · dense
Базовая модель
ChessQween3-base
Библиотека
transformers
Опубликована
30 июл 2026

Ссылки

Hugging Face

ChessQween3-base-puzzled

zhoudoe23
Генерация текстаТекст → текст

Русское описание этой модели ещё готовится. Пока можно заглянуть в карточку модели от автора ниже.

959скачиваний за 30 дней0лайковвеса обновлены31 июл 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.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ChessQween3-base-puzzled

This model is a fine-tuned version of zhoudoe23/ChessQween3-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8700

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: 3e-05
  • train_batch_size: 128
  • eval_batch_size: 64
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 512
  • total_eval_batch_size: 128
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
1.16660.023310001.1704
1.04540.046620001.1195
1.10050.070030001.0880
1.08770.093340001.0663
1.03870.116650001.0488
1.19390.139960001.0355
1.11490.163370001.0199
1.03030.186680001.0077
1.01350.209990000.9969
1.02810.2332100000.9883
0.96770.2566110000.9776
1.01510.2799120000.9704
0.97520.3032130000.9628
0.92670.3265140000.9540
1.07250.3499150000.9486
1.02370.3732160000.9456
0.91240.3965170000.9355
0.87460.4198180000.9291
1.02260.4431190000.9235
0.81500.4665200000.9190
0.94530.4898210000.9152
0.86540.5131220000.9089
1.00670.5364230000.9057
0.81300.5598240000.9016
0.99120.5831250000.8974
0.82760.6064260000.8950
0.94810.6297270000.8912
0.94500.6531280000.8884
0.81700.6764290000.8853
0.90740.6997300000.8833
0.91230.7230310000.8817
0.82160.7464320000.8783
0.86830.7697330000.8765
0.84810.7930340000.8748
0.85360.8163350000.8735
0.79000.8397360000.8729
0.87980.8630370000.8718
0.87150.8863380000.8712
0.87260.9096390000.8705
0.83420.9329400000.8702
0.89960.9563410000.8700
0.85600.9796420000.8700

Framework versions

  • Transformers 5.0.0
  • Pytorch 2.10.0+cu128
  • Datasets 5.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
aeb10f4

0 моделей

    Создать бенчмарк