/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
28 сен 2026

Math-DeepSeek-R1-Distill-Qwen-1.5B-JustRL-DeepSeek-1.5B

Генерация текстаТекст → текст

Ученический чекпойнт Qwen2 на 1,5 млрд параметров для генерации текста и решения математических задач, обученный методом on-policy distillation.

231скачиваний за 30 дней0лайковвеса обновлены7 окт 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

Math-DeepSeek-R1-Distill-Qwen-1.5B-JustRL-DeepSeek-1.5B — компактная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, выпущенная как ученический чекпойнт для исследования on-policy distillation. Она дообучена на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B с использованием hbx/JustRL-DeepSeek-1.5B в роли учителя.

Модель предназначена для генерации текста и диалоговых сценариев, прежде всего для решения математических задач. Для обучения использовался набор DAPO-Math-17K с дедуплицированными данными OPD. Заявленная длина контекста — 131072 токена; репозиторий содержит веса в формате safetensors.

Результаты на иллюстрации в статье относятся к разным математическим настройкам и не являются оценкой именно этого чекпойнта. Условия лицензирования следует проверять по лицензиям базовой модели, учителя и данных: README указывает, что действуют исходные условия и сторонние уведомления.

Сценарии применения

  • решение математических задач в диалоге
  • генерация пошаговых рассуждений по математическим примерам
  • эксперименты с on-policy distillation для языковых моделей

Ограничения

Результаты, показанные в статье, не являются оценкой этого чекпойнта; условия использования зависят от лицензий базовой модели, учителя и обучающих данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Math-DeepSeek-R1-Distill-Qwen-1.5B-JustRL-DeepSeek-1.5B

Paper · GitHub · Project · Collection

This repository contains an on-policy distillation (OPD) student checkpoint released with Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling. Its base model, teacher, and training data are listed below.

Overview: pass@K gains depend on the sampling budget

Math pass@K results across settings

The figure reports paper results across math settings; it is not a scorecard for this checkpoint alone.

Checkpoint details

More information

See the paper and GitHub repository for training settings, evaluation protocols, and analysis. Upstream model and data terms remain applicable; see third-party notices.

Citation

@misc{ge2026understandingonpolicydistillationlens,
  title={Towards Understanding On-Policy Distillation through the Lens of Test-Time Scaling},
  author={Xinmu Ge and Zizhuo Zhang and Yu Huang and Jianing Zhu and Lin Yuan and Wanli Gu and Weichang Wu and Weiran Huang and Bo Han and Xiaolu Zhang and Jiangchao Yao},
  year={2026},
  eprint={2608.11829},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  doi={10.48550/arXiv.2608.11829},
  url={https://arxiv.org/abs/2608.11829}
}

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
01d27e3

0 моделей