/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
13 июн 2026

4b_sft

Генерация текстаТекст → текст

Дообученная на базе Qwen3-4B диалоговая модель для генерации ответов на пользовательские сообщения.

8скачиваний за 30 дней0лайковвеса обновлены13 июн 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

ziyuanyang86/4b_sft — диалоговая языковая модель, полученная дообучением Qwen/Qwen3-4B с помощью TRL. Она предназначена для генерации ответов в формате беседы и может использоваться в сценариях, где пользователь задаёт вопрос или отправляет сообщение, а модель продолжает диалог. Модель содержит около 3,7 млрд параметров, построена на плотной архитектуре Qwen3ForCausalLM и принимает текст. Максимальная длина контекста — 40 960 токенов.

Модель распространяется в формате Safetensors и использует библиотеку Transformers. Карточка демонстрирует генерацию ответа на вопрос в диалоговом формате. Сведения о специализации на конкретном языке или предметной области отсутствуют. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоге с пользователем
  • ответы на вопросы в формате чат-бота
  • продолжение переписки по текстовому запросу

Ограничения

Карточка не описывает языки обучения, датасет или результаты оценки качества, поэтому пригодность для конкретных языков и задач не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for results_sft_4B

This model is a fine-tuned version of Qwen/Qwen3-4B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 0.19.1
  • Transformers: 4.57.1
  • Pytorch: 2.6.0
  • Datasets: 4.8.5
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

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
7fd8c96

0 моделей