/ 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-Skywork-OR1-Math-7B

Генерация текстаТекст → текст

Студенческая модель Qwen2 на 1,5 млрд параметров, дистиллированная для генерации текста и решения математических задач.

320скачиваний за 30 дней1лайквеса 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-Skywork-OR1-Math-7B — языковая модель для генерации текста и решения математических задач. Это студенческий чекпойнт, созданный методом on-policy distillation на основе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B с учителем Skywork/Skywork-OR1-Math-7B. Обучение проводилось на наборе DAPO-Math-17K с дедуплицированными данными OPD из math-vault.

Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и принимает текстовые запросы; заявленное окно контекста — 131 072 токена. Карточка отмечает поддержку английского языка и диалоговый режим. Она предназначена прежде всего для генерации решений и рассуждений по математическим задачам. Результаты из иллюстрации статьи относятся к разным математическим настройкам и не являются оценкой именно этого чекпойнта.

Файлы опубликованы в формате safetensors для библиотеки Transformers. Условия использования определяются лицензиями базовой модели, учителя и данных; точные условия следует проверять в соответствующих источниках и сторонних уведомлениях.

Сценарии применения

  • решение математических задач по текстовому условию
  • генерация пошаговых математических рассуждений
  • создание диалогового помощника по математике

Ограничения

Опубликованные в статье результаты не следует считать оценкой этого чекпойнта. Условия использования зависят от лицензий базовой модели, учителя и данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Math-DeepSeek-R1-Distill-Qwen-1.5B-Skywork-OR1-Math-7B

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
59e9bb1

0 моделей