/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,7 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
Open-MOPD-SmolLM3-3B-MixSFT
Библиотека
transformers
Опубликована
18 авг 2026

Open-MOPD-SmolLM3-3B-RL-IF

Генерация текстаТекст → текст3 профессии

Англоязычная модель SmolLM3 на 3,1 млрд параметров, дообученная для следования инструкциям и предназначенная главным образом для дистилляции.

299скачиваний за 30 дней1лайквеса обновлены18 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

Open-MOPD-SmolLM3-3B-RL-IF — англоязычная причинная языковая модель BytedTsinghua-SIA на архитектуре SmolLM3, дообученная методом GRPO на запросах, проверяющих следование инструкциям. Это доменный teacher из конвейера Open-MOPD: модель предназначена прежде всего для дистилляции, а не для использования как универсальный ассистент. Она содержит около 3,1 млрд параметров, имеет 36 слоёв, словарь из 128 256 токенов и контекст до 65 536 токенов; веса опубликованы в BF16 и формате Safetensors, доступны токенизатор и шаблон чата.

Модель подходит для генерации ответов на инструкции и создания учительских примеров для обучения или дистилляции других моделей. В карточке приведены результаты IFEval 74,49 и IFBench_test 27,67, выше результатов исходной MixSFT-модели по этим тестам. Обучение оптимизировано только для следования инструкциям, поэтому на других задачах модель может уступать MixSFT. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов на пользовательские инструкции
  • создание учительских ответов для дистилляции языковых моделей
  • оценка и сравнение качества следования инструкциям
  • формирование обучающих примеров для англоязычных чат-моделей

Ограничения

Модель оптимизирована только для следования инструкциям и может уступать исходной MixSFT на других задачах. Она предназначена прежде всего для дистилляции, а не для роли универсального ассистента.

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

Open-MOPD-SmolLM3-3B-RL-IF

This is the instruction-following (IF) domain teacher in the Open-MOPD pipeline. It starts from BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT and is trained only on instruction-following prompts with verifiable rewards using GRPO. This release corresponds to training step 2,440.

Because instruction-following responses are shorter, training uses a 2,048-token response limit, rollout group size 8, and 3,000 planned steps. Other settings match the math and code teachers: global batch size 128, mini-batch size 32, learning rate 1e-6, no KL penalty, and accuracy-based group filtering.

Results

ModelIFEvalIFBench_testIF average
RL-IF teacher74.4927.6751.08
MixSFT starting point66.9116.0041.46

Results use n=1, temperature 1.0, enable_thinking=true, max_model_len=32768, top_p=0.95, top_k=-1, and stop_token_ids=[128012].

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-RL-IF"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

Intended use and limitations

This is a domain teacher intended for distillation, not a general-purpose assistant. It was optimized only for instruction following and can perform worse than MixSFT on other domains.

Instruction following has the largest teacher gain in this pipeline (+9.62 points over MixSFT). It is also the domain most harmed by naive multi-teacher OPD: without token-budget balancing, it receives only about 1% of weighted gradient tokens.

Model specifications

  • Architecture: SmolLM3ForCausalLM
  • Parameters: approximately 3B
  • Layers: 36
  • Vocabulary size: 128,256
  • Weights: BF16, approximately 6.2 GB
  • Includes tokenizer and chat template

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
8948051

0 моделей