模型Qwen2.5-3B-Instruct
Qwen2.5-3B-Instruct
阿里巴巴通义千问团队发布的30亿参数指令微调大语言模型，支持多语言和长上下文，适用于对话和推理任务。
时间轴 (近 90 天)
10月20日
该示例让Qwen2.5-3B-Instruct在回答HotpotQA问题的同时学会检索BM25语料库。
待验证50%
10月20日
在14块rollout GPU加2块训练器GPU的配置下，运行100步训练后，留出集上的精确匹配率从14.5%提升到47%。
待验证50%
10月11日
三个被测开源模型在每个用例上都输出了合法 JSON，解析成功率均为 1.00
待验证50%
10月11日
Qwen2.5-3B-Instruct 在 EvidenceFlip 上综合得分0.90，动作准确率0.90，冲突检测1.00，抗压能力1.00
待验证50%
10月11日
三个被测模型中只有 Qwen2.5-3B 能在证据不支持答案时可靠地拒绝回答
待验证50%
10月11日
在认知校准能力上参数量不是决定性因素，但同一家族中 3B 相比 1.5B 有巨大跃升（0.90对0.15），说明规模仍有明显增益
待验证50%
全部知识事实 (6)
待验证
该示例让Qwen2.5-3B-Instruct在回答HotpotQA问题的同时学会检索BM25语料库。
50%待验证在14块rollout GPU加2块训练器GPU的配置下，运行100步训练后，留出集上的精确匹配率从14.5%提升到47%。
50%待验证三个被测开源模型在每个用例上都输出了合法 JSON，解析成功率均为 1.00
50%待验证Qwen2.5-3B-Instruct 在 EvidenceFlip 上综合得分0.90，动作准确率0.90，冲突检测1.00，抗压能力1.00
50%待验证三个被测模型中只有 Qwen2.5-3B 能在证据不支持答案时可靠地拒绝回答
50%待验证在认知校准能力上参数量不是决定性因素，但同一家族中 3B 相比 1.5B 有巨大跃升（0.90对0.15），说明规模仍有明显增益
50%