/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Размер весов
8,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-4B
Опубликована
9 авг 2026

Qwen3.5-4B-Sudoku-Mask15-Agentic-ESOpt

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3.5-4B для многошагового решения судоку Mask15 агентным методом.

28скачиваний за 30 дней0лайковвеса обновлены10 авг 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

Qwen3.5-4B Sudoku Mask15 Agentic-ESOpt — дообученная полнопараметрическая текстовая модель на основе Qwen/Qwen3.5-4B, созданная методом Agentic-ESOpt (ES32) для решения судоку Mask15 в многошаговом агентном режиме. В репозитории опубликованы веса Transformers в формате safetensors, токенизатор и конфигурация генерации; модель содержит 3,4 млрд параметров и поддерживает контекст до 262144 токенов.

В оценке на 32 отложенных задачах Mask15 с тремя повторами модель набрала 17 из 32, или 53,125%. Она предназначена прежде всего для экспериментов и решения задач этого варианта судоку; заявленная оценка показывает ограниченную успешность. Лицензия — Apache-2.0. README не сообщает о поддержке языков, отличных от языка текстового взаимодействия с моделью.

Сценарии применения

  • решение судоку Mask15 в несколько ходов
  • эксперименты с агентным решением логических головоломок
  • оценка поведения языковых моделей в судоку Mask15

Ограничения

В тестировании на 32 отложенных задачах Mask15 модель решила 17 (53,125%); результаты могут не отражать качество на других задачах судоку. README не заявляет о поддержке других сценариев.

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

Qwen3.5-4B Sudoku Mask15 Agentic-ESOpt

This repository contains the exact full-parameter checkpoint corresponding to the released Sudoku Mask15 Agentic-ESOpt log in Agentic-ESOpt.

Training and evaluation setting

  • Base model: Qwen/Qwen3.5-4B
  • Method: Agentic-ESOpt (ES32)
  • Generations: 100 (0 through 99)
  • Population: 32; case batch: 32
  • Full-parameter update; alpha 5e-4; z-score reward normalization
  • Exploration sigma: cosine schedule from 7e-4 to 5e-4, zero warmup
  • Agent horizon: 45 turns; 64 generated tokens per turn
  • Sampling: temperature 0.7, top-p 0.8, top-k 20, min-p 0.0, presence penalty 1.5, repetition penalty 1.0
  • Evaluation: 32 held-out Mask15 cases, three repeats
  • Final evaluation: 17.00/32 = 53.125% (standard deviation 0.025516)

The published replay history uses generations 0–89 from the main cosine run and generations 90–99 from the fourth independent final-ten rerun starting at the generation-89 checkpoint. The included es_replay_export_manifest.json records all 100 applied updates; its reward sequence matches the released log generation by generation.

The model is provided as standard Transformers safetensors weights together with its tokenizer and generation configuration.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
1ed50da

0 моделей