/ 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-Math

Генерация текстаТекст → текст3 профессии

Математическая версия SmolLM3-3B, дообученная с подкреплением для решения задач и использования в качестве учителя при дистилляции.

530скачиваний 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-Math — математическая языковая модель, разработанная BytedTsinghua-SIA как модель-учитель для конвейера Open-MOPD. Она создана дообучением BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT с помощью GRPO на математических запросах с проверяемыми наградами; опубликован чекпойнт шага обучения 100. Модель использует плотную архитектуру SmolLM3ForCausalLM, содержит 3,1 млрд параметров и работает с текстом. Её нативный контекст — 65 536 токенов; в оценке применялось ограничение 32 768 токенов, а предел длины ответа при обучении составлял 30 000 токенов.

Модель предназначена прежде всего для решения математических задач и дистилляции математических навыков в другие модели, а не для роли универсального ассистента. В приведённой оценке она превзошла исходную MixSFT на AIME24, AIME25 и по среднему результату на математических тестах. Карточка указывает английский язык. Вес модели опубликован в формате BF16, поддерживаются Transformers и чат-шаблон. Лицензия — Apache-2.0.

Обучение ограничивалось математической областью, поэтому в других задачах модель может работать хуже, чем MixSFT; README прямо предостерегает от её использования как универсального ассистента.

Сценарии применения

  • решение математических задач
  • генерация пошаговых математических решений
  • оценка и проверка вариантов решения математики
  • создание учительских ответов для дистилляции математических моделей

Ограничения

Оптимизирована только на математических запросах и может работать хуже исходной MixSFT в других областях; предназначена 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-Math

This is the math-domain teacher in the Open-MOPD pipeline. It starts from BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT and is trained only on math prompts with verifiable rewards using GRPO. This release corresponds to training step 100.

Training uses global batch size 128, mini-batch size 32, constant learning rate 1e-6 with 10 warmup steps, clipping at 0.2/0.25, rollout group size 16, temperature 1.0, a 30,000-token response limit, and no KL penalty. Groups with all-correct or all-incorrect generations are filtered, with up to eight resampling attempts.

Results

ModelAIME24AIME25Math average
RL-Math teacher23.6524.8424.24
MixSFT starting point15.6320.2617.95

Math results use avg@64 with temperature 0.6. The broader evaluation setup uses 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-Math"
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 on math and can perform worse than MixSFT on other domains.

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
5e901bb

0 моделей