---
title: Temper 0.5B模型专注于Rust语言
url: https://www.dataloco.com/zh/temper-05brust
published: 2026-10-10T06:41:52+00:00
language: zh
section: 开发
source: https://habr.com/ru/articles/1091388/?utm_campaign=1091388&utm_source=habrahabr&utm_medium=rss
organizations: Qwen2.5-Coder-0.5B, Temper, DeepSeek-V4-Flash, MultiPL-E, humaneval-rs, mbpp-rs
publisher: Dataloco
---

# Temper 0.5B模型专注于Rust语言

Temper 0.5B是一款专注于Rust语言的小型模型，基于Qwen2.5-Coder-0.5B-Instruct进行再训练。该模型的窄专注使其在处理特定任务时表现优于更大型的模型，如x3。再训练的目的是评估小型模型在特定任务上的能力，并与同等或更大规模的模型进行比较。

再训练初期，Qwen3.6-35B-A3B作为教师模型，在NVIDIA A40 48GB显卡上耗时约9小时生成2700个Rust示例。相比之下，Temper模型的训练数据经过了更好的过滤和处理，确保了数据质量的提升。

经过三个训练周期，Temper的第一版在解决简单任务时的成功率从45.6%提升至64.6%。在更复杂的任务中，其成功率也显著提高，特别是在MultiPL-E数据集上的表现有所改善。

数据集进一步扩展到10,000个示例，采用了新的教师模型DeepSeek-V4-Flash，从而提升了编程能力和API成本效益。经过这个数据集的再训练，Temper在Rust相关的基准测试中表现进一步提升，特别是在humaneval-rs和mbpp-rs上，成功率分别提高了7.6和7.9个百分点。

此外，Temper模型还进行了强化学习（RL）再训练，能够为每个任务生成多个解决方案，并对通过测试的方案给予奖励。

## This story in other languages

- [Indonesia](https://www.dataloco.com/id/modela-kecil-temper-05b-kalahkan-model-tiga-kali-lebih-besar-dalam-pemrograman-rust)