/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
28 сен 2026

Math-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Math-Step500

Генерация текстаТекст → текст

Компактная дообученная модель Qwen3 для генерации диалоговых ответов и решения математических задач.

220скачиваний 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-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Math-Step500 — компактная языковая модель Geraldxm, созданная методом on-policy distillation на базе Qwen/Qwen3-1.7B. Чекпойнт выпущен в рамках исследования по анализу on-policy distillation и test-time scaling; учителем служила Keven16/Qwen3-4B-Non-Thinking-RL-Math-Step500, а для обучения использовался набор DAPO-Math-17K из math-vault.

Модель предназначена для генерации текста и диалоговых ответов при решении математических задач. Она имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В карточке указан английский язык. Метаданные указывают формат safetensors и библиотеку Transformers.

Результаты, приведённые в исследовательской статье, относятся к нескольким математическим настройкам и не являются оценкой именно этого чекпойнта. Сведения о лицензии в доступных данных отсутствуют; README указывает, что применимы условия базовой модели и обучающих данных.

Сценарии применения

  • решение математических задач в диалоге
  • генерация текстовых объяснений к математическим ответам
  • проверка математических рассуждений и вычислений

Ограничения

Опубликованные в статье результаты не являются оценкой данного чекпойнта. Условия лицензии отдельно не приведены; применимы условия базовой модели и обучающих данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Math-Qwen3-1.7B-Qwen3-4B-Non-Thinking-RL-Math-Step500

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

Step500 is part of the teacher's name, not a stated student training step.

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
Qwen3ForCausalLM
Ревизия весов
b8e0ff9

0 моделей