Промежуточный чекпойнт Qwen3.5-4B, дообученный методом GRPO для генерации ответов с более точным следованием инструкциям.

Подходит для: генерация ответов на инструкции в диалоге · сравнение качества следования инструкциям до и после GRPO · эксперименты с обучением LLM на проверяемом вознаграждении

Дообученная мультимодальная модель Qwen3.5 для диалогов и генерации ответов по тексту и изображениям.

Подходит для: диалоговые ответы на текстовые запросы · ответы на вопросы по изображениям · описание визуального содержимого