/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Math-7B
Библиотека
transformers
Опубликована
7 апр 2026

Qwen2.5Math-IVON-SFT-7B

Генерация текстаТекст → текст3 профессии

Дообученная на математических задачах модель Qwen2 с 7,1 млрд параметров для генерации решений и подготовки warm-start чекпойнтов для RLVR.

159скачиваний 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

Qwen2.5Math-IVON-SFT-7B — дообученная модель BayesRL на базе Qwen/Qwen2.5-Math-7B, предназначенная для генерации решений математических задач. Это плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров, обученная методом supervised fine-tuning с оптимизатором IVON.

Чекпойнт служит начальной точкой для последующего обучения с подкреплением для верифицируемых задач: IVON сохраняет приближённое гауссовское апостериорное распределение параметров, которое используется как обученный prior для исследования пространства параметров в запусках 3PO. Модель загружается как стандартная causal LM через Transformers и поддерживает диалоговую генерацию текста. Контекст — 4096 токенов; в карточке указан английский язык, а базовая модель предназначена для математических решений на английском и китайском.

Модель распространяется по лицензии Apache-2.0. Ее специализированное назначение — математическое рассуждение и подготовка warm-start чекпойнта для экспериментов RLVR; заявленные данные не подтверждают отдельные показатели точности или гарантии качества ответов.

Сценарии применения

  • генерация решений математических задач
  • пошаговое математическое рассуждение на английском
  • создание начального чекпойнта для обучения RLVR
  • исследование пространства параметров в экспериментах 3PO

Ограничения

Контекст ограничен 4096 токенами. В README не приведены метрики качества или точности, поэтому результатам решения задач может требоваться проверка.

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 (Qwen-B3PO-7B / Qwen-M3PO-7B / Qwen-C3PO-7B), where weight perturbations sampled from it drive parameter-space exploration.

Training

Foundation modelQwen/Qwen2.5-Math-7B
StageWarm-start SFT
OptimizerIVON (see the paper for full hyperparameters)
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
Qwen2ForCausalLM
Ревизия весов
dc15721

0 моделей