/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
13,4 ГБ
Архитектура
smollm3 · dense
Базовая модель
SmolLM3-3B
Опубликована
21 авг 2026

SmolLM3-3B-SFT-GRPO-FR

Генерация текстаТекст → текст3 профессии

Дообученная методом GRPO модель SmolLM3 на 3,1 млрд параметров для генерации текста и математических рассуждений на французском языке.

19скачиваний за 30 дней0лайковвеса обновлены21 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

DGurgurov/SmolLM3-3B-SFT-GRPO-FR — дообученная языковая модель на архитектуре SmolLM3ForCausalLM с 3,1 млрд параметров, созданная на основе HuggingFaceTB/SmolLM3-3B. Это вторая стадия ReasonXL: после SFT модель дополнительно обучена методом Dr. GRPO с составной наградой на проверяемых математических задачах. Модель предназначена для генерации текста и решения математических задач с рассуждениями на французском языке; её контекстное окно составляет 65 536 токенов.

Обучение нацелено на восстановление качества рассуждений после SFT при сохранении французского языка для рассуждений. В карточке указаны данные ReasonXL-SFT и формат весов safetensors. Модель унаследовала многоязычную основу SmolLM3, однако конкретная специализация этого чекпойнта — французские рассуждения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение проверяемых математических задач с пошаговыми рассуждениями на французском
  • генерация объяснений к математическим ответам на французском
  • эксперименты с обучением языковых моделей методом GRPO
  • оценка французских рассуждений в компактных языковых моделях

Ограничения

Оценки качества и подробности методики обучения, включая формулировку награды, в карточке пока не приведены. Специализация на французских рассуждениях не гарантирует одинакового качества на других языках и типах задач.

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

SmolLM3-3B-SFT-GRPO-FR

This model is the result of the second stage of the ReasonXL two-stage reasoning adaptation pipeline applied to HuggingFaceTB/SmolLM3-3B.

Stage 1 — SFT

The first stage shifts the model's reasoning language from English to French through supervised fine-tuning on reasoning traces from toroe/ReasonXL-SFT.

The corresponding SFT model is:

DGurgurov/SmolLM3-3B-SFT-FR

Stage 2 — RL

This model applies RL (Dr. GRPO) to the corresponding SFT model.

The objective is to recover reasoning quality lost during supervised fine-tuning while preserving compliance with the target reasoning language.

Training uses a composite reward over verifiable mathematical problems.

Model Details

  • Base model: HuggingFaceTB/SmolLM3-3B
  • Target reasoning language: French
  • SFT dataset: toroe/ReasonXL-SFT
  • Training pipeline: SFT → Dr. GRPO
  • SFT model: DGurgurov/SmolLM3-3B-SFT-FR
  • This model: GRPO

Full training details, reward formulation, evaluation results, and methodology will follow soon.

Citation

If you use this model, please cite:

@misc{gurgurov2026reasonxlshiftingllmreasoning,
      title={ReasonXL: Shifting LLM Reasoning Language Without Sacrificing Performance},
      author={Daniil Gurgurov and Tom Röhr and Sebastian von Rohrscheidt and Josef van Genabith and Alexander Löser and Simon Ostermann},
      year={2026},
      eprint={2604.12378},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2604.12378},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
84f4116

0 моделей