/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo3 · dense
Базовая модель
Olmo-3-1025-7B
Библиотека
transformers
Опубликована
17 апр 2026

Olmo3-IVON-SFT-7B

Генерация текстаТекст → текст3 профессии

Англоязычная модель Olmo 3 на 7 млрд параметров, дообученная с IVON для генерации текста и запуска RLVR-экспериментов 3PO.

137скачиваний 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

Olmo3-IVON-SFT-7B — англоязычная языковая модель семейства Olmo 3, разработанная Insait Institute на базе allenai/Olmo-3-1025-7B. Это плотная causal language model с 6,9 млрд параметров, рассчитанная на генерацию текста и диалог; она принимает текст и выдаёт текст, поддерживает контекст до 65 536 токенов. Модель дообучена методом supervised fine-tuning с вариационным оптимизатором IVON на подмножестве SFT-данных Llama-Nemotron Post-Training Dataset.

Чекпойнт предназначен как стартовая точка для RLVR-экспериментов 3PO: IVON сохраняет приближённое гауссовское апостериорное распределение параметров, которое используется как обученный prior для исследования пространства параметров. В карточке отмечены задачи рассуждения и математики, однако основной pipeline — генерация текста. Модель распространяется под лицензией Apache-2.0. Карточка описывает исследовательское назначение и не приводит результатов оценки качества; поэтому пригодность для конкретного прикладного сценария следует проверять отдельно.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • решение математических задач с пояснениями
  • создание стартового чекпойнта для RLVR-обучения
  • исследование влияния вариационного обучения на рассуждения

Ограничения

Это исследовательский warm-start чекпойнт для RLVR-экспериментов; карточка не приводит результатов оценки качества или гарантий пригодности для прикладного использования.

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

Olmo3-IVON-SFT-7B

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

📦 Code: insait-institute/c3po

Olmo-3 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 modelallenai/Olmo-3-1025-7B
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/Olmo3-IVON-SFT-7B")
tok = AutoTokenizer.from_pretrained("BayesRL/Olmo3-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
Olmo3ForCausalLM
Ревизия весов
4022ca6

0 моделей