/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
6,9 млрд
Размер весов
14,6 ГБ
Лицензия
Apache 2.0
Архитектура
olmo3 · dense
Базовая модель
Olmo3-IVON-SFT-7B
Библиотека
transformers
Опубликована
28 апр 2026

Olmo3-M3POPlus-7B

Генерация текстаТекст → текст3 профессии

Англоязычная модель Olmo 3 на 6,9 млрд параметров, дообученная методом M3PO+ для генерации текста и решения математических задач.

68скачиваний за 30 дней0лайковвеса обновлены13 авг 2026

Бенчмарки

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

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/Olmo3-M3POPlus-7B — англоязычная плотная авторегрессионная модель семейства Olmo 3, разработанная BayesRL на базе Olmo 3 от Allen Institute for AI. Модель содержит 6,9 млрд параметров, принимает текст и поддерживает контекст до 65 536 токенов.

Модель дообучена методом M3PO+ для задач RLVR с проверяемыми наградами. В обучении применялись четыре возмущения параметров на шаг при размере группы 16; подход использует вариационный оптимизатор IVON для исследования пространства параметров. Модель предназначена для генерации текста и диалогов, особенно для решения математических задач; она оценивалась на AIME 2024–2026, MATH-500, AMC 2023 и Minerva.

Опубликована в формате Safetensors и рассчитана на использование с Transformers. Лицензия — Apache-2.0. README не приводит численных результатов оценки, поэтому по нему нельзя судить о сравнительном качестве или надёжности ответов; специализация на математике не гарантирует корректность решений.

Сценарии применения

  • решение задач математических олимпиад
  • генерация пошаговых решений по математике
  • ответы на математические вопросы в диалоге
  • эксперименты с RLVR и исследованием параметров

Ограничения

README не приводит численных результатов оценки и сравнений с другими моделями. Несмотря на специализацию на математике, модель может выдавать неверные решения.

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-M3POPlus-7B

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

📦 Code: insait-institute/c3po

Olmo-3 7B fine-tuned with M3PO+ (M3PO-Plus), from the paper "Parameter Exploration for RLVR via Variational Learning".

3PO is a family of parameter-space exploration strategies for Reinforcement Learning with Verifiable Rewards (RLVR). Instead of relying only on action-space heuristics (temperature, clipping, entropy bonuses), 3PO samples model weights from an approximate posterior learned with the variational optimizer IVON; the amount of weight noise becomes an extra control lever for exploration.

M3PO+ is the non-equal-compute M3PO run: M = 4 Monte-Carlo weight perturbations per step with the group size kept at G = 16 (rather than reduced to G/M). It therefore uses ~4× the rollouts of the compute-matched M3PO configuration, isolating the effect of more parameter-space samples when compute is not held fixed.

Training

Base / warm-startBayesRL/Olmo3-IVON-SFT-7B
Foundation modelallenai/Olmo-3-1025-7B
AlgorithmM3PO, M = 4, G = 16 (non-equal-compute)
RL dataDAPO-Math-17k
OptimizerIVON, lr 1.0, ESS (λ) 1e9
Hardware8× NVIDIA H200 (144 GB)

Evaluation

Evaluated on AIME 2024–2026, MATH-500, AMC 2023, and Minerva. See the paper for full results.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("BayesRL/Olmo3-M3POPlus-7B")
tok = AutoTokenizer.from_pretrained("BayesRL/Olmo3-M3POPlus-7B")

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

Нельзя запустить

Модели нужен vLLM (несколько GPU), но архитектура Olmo3ForCausalLM ему неизвестна.

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
d426e23

0 моделей