/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Qwen2.5-Math-7B
Библиотека
transformers
Опубликована
30 апр 2026

Llama3.1-IVON-SFT-8B

Генерация текстаТекст → текст3 профессии

Контрольная точка Qwen2.5-Math-7B, дообученная с IVON как стартовая модель для экспериментов RLVR и генерации математических рассуждений.

3 216скачиваний за 30 дней0лайковвеса обновлены13 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BayesRL представляет контрольную точку supervised fine-tuning модели Qwen2.5-Math-7B, обученную с вариационным оптимизатором IVON. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная как warm-start для последующих запусков RLVR с исследованием параметров через метод 3PO. Обучение проводилось на подмножестве SFT датасета Llama-Nemotron Post-Training Dataset.

Модель загружается как обычная causal language model и генерирует текст. Базовая модель рассчитана на пошаговые решения математических задач на английском и китайском; карточка этой версии указывает английский язык. Контекстное окно составляет 131072 токена. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Это обучающая контрольная точка для экспериментов с RLVR, а не отдельная специализированная система для конечных пользователей.

Сценарии применения

  • генерация пошаговых решений математических задач
  • подготовка стартовой модели для обучения RLVR
  • эксперименты с исследованием параметров через 3PO

Ограничения

Контрольная точка предназначена для warm-start обучения и экспериментов RLVR; карточка не приводит оценок качества или результатов на бенчмарках.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5Math-IVON-SFT-7B

📄 Paper: Parameter Exploration for RLVR via Variational Learning · arXiv:2608.09805

📦 Code: insait-institute/c3po

Qwen2.5-Math 7B supervised-fine-tuned with the variational optimizer IVON, from the paper "Parameter Exploration for RLVR via Variational Learning".

This is a warm-start checkpoint: SFT'ing with IVON yields not just point weights but an approximate Gaussian posterior over them (a mean and a diagonal Hessian/precision estimate). That posterior is the learned prior used to seed the 3PO RLVR runs (B3PO / M3PO / C3PO), where weight perturbations sampled from it drive parameter-space exploration.

Training

Foundation modelQwen/Qwen2.5-Math-7B
StageWarm-start SFT
DataLlama-Nemotron Post-Training Dataset (SFT subset)
OptimizerIVON, lr 50.0, ESS (λ) 1e10
Hardware8× NVIDIA H200 (144 GB)

Usage

Loads as a standard causal LM:

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("BayesRL/Qwen2.5Math-IVON-SFT-7B")
tok = AutoTokenizer.from_pretrained("BayesRL/Qwen2.5Math-IVON-SFT-7B")

To use it as the warm-start prior for 3PO RLVR, load the IVON optimizer state via IVON_INIT_METHOD=trained in the companion code's run_rl.sh.

Citation

@misc{venkatkrishna2026parameterexploration,
      title={Parameter Exploration for RLVR via Variational Learning}, 
      author={Vatsal Venkatkrishna and Nico Daheim and Iryna Gurevych},
      year={2026},
      eprint={2608.09805},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2608.09805}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ee5ce0b

0 моделей