Qwen3 8B Base Unsloth Bnb 4bit

🚀 Qwen3-8B-Base

Qwen3-8B-Base是Qwen系列最新一代大語言模型，提供了一套全面的密集模型和專家混合（MoE）模型。本項目基於在訓練數據、模型架構和優化技術方面的廣泛改進，相比之前發佈的Qwen2.5有顯著提升。

Unsloth Dynamic 2.0實現了卓越的準確性，性能優於其他領先的量化方法。

✨ 主要特性

Qwen3亮點

Qwen3是通義系列最新一代大語言模型，提供了一套全面的密集和混合專家（MoE）模型。基於在訓練數據、模型架構和優化技術方面的大量改進，與之前發佈的Qwen2.5相比，Qwen3有以下關鍵改進：

• 擴展的高質量預訓練語料庫：Qwen3在119種語言的36萬億個標記上進行預訓練，語言覆蓋範圍是Qwen2.5的三倍，擁有更豐富的高質量數據，包括編碼、STEM、推理、書籍、多語言和合成數據。
• 訓練技術和模型架構：Qwen3採用了一系列訓練技術和架構改進，包括針對MoE模型的全局批量負載均衡損失和適用於所有模型的qk層歸一化，提高了穩定性和整體性能。
• 三階段預訓練：第一階段專注於廣泛的語言建模和一般知識獲取，第二階段提高推理能力，如STEM、編碼和邏輯推理，第三階段通過將訓練序列長度擴展到32k標記來增強長上下文理解能力。
• 基於縮放定律的超參數調優：通過在三階段預訓練流程中進行全面的縮放定律研究，Qwen3分別針對密集模型和MoE模型系統地調整關鍵超參數，如學習率調度器和批量大小，從而在不同模型規模下實現更好的訓練動態和最終性能。

模型概述

Qwen3-8B-Base 具有以下特點：

更多詳細信息，包括基準評估、硬件要求和推理性能，請參考我們的 博客、GitHub 和 文檔。

📚 詳細文檔

要求

Qwen3的代碼已集成到最新的Hugging Face transformers 庫中，建議使用最新版本的 transformers。

如果使用 transformers<4.51.0，會遇到以下錯誤：

KeyError: 'qwen3'

評估與性能

詳細的評估結果請參考此 📑 博客。

引用

如果您覺得我們的工作有幫助，請引用：

@misc{qwen3technicalreport,
      title={Qwen3 Technical Report}, 
      author={Qwen Team},
      year={2025},
      eprint={2505.09388},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.09388}, 
}

📄 許可證

本項目採用 apache-2.0 許可證。