Paper Link👁️
GGUF🚀

# RU ## Описание модели **Ruadapt** версия модели **Qwen/Qwen3-32B**. В модели был заменен токенизатор, затем произведено дообучение (Continued pretraining) на русскоязычном корпусе, после чего была применена техника **LEP (Learned Embedding Propagation)**. Благодаря новому токенизатору (расширенный tiktoken cl100k с помощью униграм токенизатора на 48 т. токенов) скорость генерации* русскоязычных текстов возрасла **до 100%** (в зависимости от длины контекста) по сравнению с исходной моделью. **Под скоростью генерации подразумевается количество русскоязычных символов/слов в секунду на одинаковых текстовых последовательностях.* ## Важно **Веса модели могут обновляться** по мере получения новых версий. Информацию о версиях будет в самом конце README, там же фиксируются **даты** и **коммиты** версий, чтобы всегда можно было использовать предыдущие варианты при необходимости. Ответы модели не отражают мнения авторов, а лишь повторяют знания полученные из данных на всех этапах обучения (предобучение, смена токенизатора, обучение на инструкциях, калибровка качества ответов). Модель была получена из сторонней предобученной модели, **контроль за предобучением** которой **не является ответственностью текущих авторов**. При создании данной версии модели не производилось никаких дополнительных действий, направленных на изменение заложенных в LLM "мнений". Используйте с осторожностью. ## Гибридрый ризонер Модель, как и ее исходная версия, является гибридным ризонером. По умолчанию модель работает с включенным режимом размышлений. Чтобы отключить режим рассуждений, добавьте в конец последнего сообщения токен /no_think. Чтобы обратно его включить, добавьте /think. Альтернативный способ при работе с моделью напрямую: ```python text = tokenizer.apply_chat_template( messages, tokenize=False, add_generation_prompt=True, enable_thinking=False # Setting enable_thinking=False disables thinking mode ) ``` ## Рекомендуемые параметры генерации Для более стабильной работы рекомендуется использовать низкие температуры 0.0-0.3, top_p в диапазоне от 0.85 до 0.95 и repetition_penalty 1.05 (зависит от задач, но если уходит в циклы, то пробуйте поднять repetition_penalty. В случае же RAG, возможно наоборот снизить до 1.0). ## Метрики ![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/Iy6kD4v_O4BxgXuklXWSi.png) *Метрики на DOoM ведут себя несколько нестабильно и существенно зависят от параметров сэмплирования. Метрика на Rubabilong считалась для части датасета (по 200 примеров с каждого из 5 датасетов). # EN ## Model Description **Ruadapt** version of **Qwen/Qwen3-32B**. In this model the tokenizer was replaced, followed by continued pre-training on a Russian-language corpus, after which the **LEP (Learned Embedding Propagation)** technique was applied. Thanks to the new tokenizer (an extended tiktoken cl100k, augmented with a 48 k russian tokens), the generation speed* of Russian-language texts has increased **by up to 100 %** (depending on context length) compared with the original model. *Generation speed is understood as the number of Russian characters/words produced per second on identical text sequences.* ## Important The model may be updated as new versions become available. Version information is provided at the very end of the README, where **dates** and **commits** are logged so that previous versions can always be used if necessary. The model’s answers do not reflect the authors’ opinions; they merely reproduce the knowledge obtained from data at all training stages (pre-training, tokenizer replacement, instruction tuning, answer-quality calibration). The model is based on a third-party pretrained model, and **the current authors are not responsible for its initial pre-training**. No additional actions were taken to modify the “opinions” embedded in the LLM while creating this version. Use with caution.

# Other ## Tokenization ![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/O4eQEhnowETEatDPcmArB.png) ![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/oW0Q6LzD_Py3GdH0kfqu4.png) ## Versions v2: - [cdb336e20177dfd6bfeac4eca152a7a116503206](https://huggingface.co/RefalMachine/RuadaptQwen3-32B-Instruct/commit/cdb336e20177dfd6bfeac4eca152a7a116503206) - Внутреннее имя/Alias: RuadaptQwen3-32B-Instruct-v2 - Дата/Date: 23.06.2025 v1: - [a657b797ad4223aed46e1ada349429a4a26ec3f8](https://huggingface.co/RefalMachine/RuadaptQwen3-32B-Instruct/commit/a657b797ad4223aed46e1ada349429a4a26ec3f8) - Внутреннее имя/Alias: RuadaptQwen3-32B-Instruct-v1 - Дата/Date: 21.05.2025 ## How to cite: Tikhomirov M., Chernyshov D. Facilitating Large Language Model Russian Adaptation with Learned Embedding Propagation //Journal of Language and Education. – 2024. – Т. 10. – №. 4. – С. 130-145.