salihyesil59/Qwen3.6-35B-A3B-RFT-Agent-GGUF

Kód školení, recept na data a vyhodnocení: https://github.com/salihyesil59/qwen3.6-35b-a3b-rft ↗Kodér vidění není součástí dodávky. LoRA se ho nedotýká, takže soubor „mmproj“ z repozitáře GGUF společnosti Unsloth Qwen3.6-35B-A3B GGUF funguje tak, jak je.

Model FP8 na vLLM, 4 vzorky na problém, rozpočet tokenu 16k, zkrácené odpovědi se počítají jako nesprávné:

Většina zisku pochází z kratšího uvažování, tj. méně odpovědí odříznutých na hranici tokenu.