/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Опубликована
25 мар 2026

qwen3-1.7b-gsm8k-sft

Генерация текстаТекст → текст3 профессии

HuggingFaceTB/qwen3-1.7b-gsm8k-sft — дообученная версия Qwen/Qwen3-1.7B, разработанная для решения математических задач и рассуждений на английском языке.

1 828скачиваний за 30 дней4лайкавеса обновлены25 мар 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

Модель предназначена прежде всего для текстовой генерации ответов на задачи уровня школьной математики GSM8K, а также может применяться к задачам конкурсной математики MATH-500. Для формирования решений используется формат chain-of-thought с рассуждениями в тегах <think>...</think>.

Модель содержит 1,7 млрд параметров и относится к текстовым авторегрессионным моделям; сведения о поддерживаемой длине контекста в README не указаны. Дообучение выполнено методом supervised fine-tuning на 247 467 примерах из GSM8K и MetaMathQA. На тесте GSM8K заявлена точность 77,2%, на MATH-500 — 55,2%; лучшие результаты на MATH-500 показаны в алгебре и предалгебре. При этом специализация на GSM8K снизила результат относительно базовой Qwen3-1.7B на MATH-500, поэтому модель не следует считать универсальным решателем сложной математики.

Доступны версии GGUF в форматах 8-bit и FP16 для llama.cpp, Ollama и других совместимых сред. Модель распространяется по лицензии Apache-2.0. README не содержит сведений о мультимодальности, поэтому модель следует рассматривать как текстовую.

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

Qwen3-1.7B Fine-tuned for GSM8K Math Reasoning

This model is a fine-tuned version of Qwen/Qwen3-1.7B optimized for mathematical reasoning on the GSM8K benchmark.

Performance

BenchmarkAccuracyNotes
GSM8K77.2%Grade school math (1,319 test problems)
MATH-50055.2%Competition math (500 test problems)
Baseline GSM8K20%Original Qwen3-1.7B

MATH-500 Breakdown by Difficulty Level

LevelAccuracy
Level 1 (Easiest)86.0%
Level 268.9%
Level 364.8%
Level 454.7%
Level 5 (Hardest)29.1%

MATH-500 Breakdown by Subject

SubjectAccuracy
Algebra71.8%
Prealgebra68.3%
Number Theory61.3%
Counting & Probability55.3%
Geometry43.9%
Precalculus41.1%
Intermediate Algebra32.0%

Baseline Comparison

ModelGSM8KMATH-500Notes
This model (SFT)77.2%55.2%Optimized for GSM8K
Qwen3-1.7B (base)~20%62.0%Pre-training only

Note: The fine-tuned model shows significant improvement on GSM8K (+57pp) but slightly lower performance on MATH-500 compared to the base model. This is expected as the training focused on GSM8K-style problems.

GGUF Quantized Versions

For deployment with llama.cpp, Ollama, or other GGUF-compatible runtimes:

FileSizeDescription
qwen3-1.7b-gsm8k-q8_0.gguf1.8 GB8-bit quantized (recommended)
qwen3-1.7b-gsm8k-f16.gguf3.3 GBFull FP16 precision

Usage with Ollama

# Download and run
ollama run hf.co/HuggingFaceTB/qwen3-1.7b-gsm8k-sft:q8_0

Usage with llama.cpp

# Download the GGUF file
huggingface-cli download HuggingFaceTB/qwen3-1.7b-gsm8k-sft qwen3-1.7b-gsm8k-q8_0.gguf

# Run inference
./llama-cli -m qwen3-1.7b-gsm8k-q8_0.gguf -p "Solve: If a train travels 120 miles in 2 hours, what is its average speed?"

Training Details

Dataset

  • Size: 247,467 examples
  • Sources:
    • GSM8K train set (7,473 examples)
    • MetaMathQA GSM-related examples (239,994 examples)
  • Format: Conversational messages with <think>...</think> chain-of-thought reasoning

Training Configuration

  • Stage 1 (2 epochs): lr=2e-5, loss 0.30 → 0.17
  • Stage 2 (1 epoch): lr=5e-6, loss 0.17 → 0.167
  • Batch size: 8 per device, gradient accumulation 4
  • Hardware: NVIDIA H100 80GB GPU
  • Total training time: ~7 hours

Hyperparameters

SFTConfig(
    num_train_epochs=2,  # Stage 1
    per_device_train_batch_size=8,
    gradient_accumulation_steps=4,
    learning_rate=2e-5,  # 5e-6 for Stage 2
    lr_scheduler_type="cosine",
    warmup_ratio=0.03,
    weight_decay=0.01,
    max_length=1024,
    packing=True,
    bf16=True,
    gradient_checkpointing=True,
)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "HuggingFaceTB/qwen3-1.7b-gsm8k-sft",
    torch_dtype=torch.bfloat16,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("HuggingFaceTB/qwen3-1.7b-gsm8k-sft")

# For math problems, the model uses chain-of-thought reasoning
messages = [
    {"role": "user", "content": "Natalia sold clips to 48 of her friends in April, and then she sold half as many clips in May. How many clips did Natalia sell altogether in April and May?"}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024, do_sample=False)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Evaluation

GSM8K

  • Accuracy: 77.2% ± 1.2% (standard error)
  • Test set: 1,319 grade school math word problems

MATH-500

  • Accuracy: 55.2%
  • Test set: 500 competition-level math problems
  • Best performance on Algebra (71.8%) and Prealgebra (68.3%)
  • Model uses chain-of-thought reasoning enclosed in <think>...</think> tags

Key Learnings

  1. Chain-of-thought format is crucial - The <think>...</think> reasoning format significantly improves math performance
  2. Large diverse dataset works better - MetaMathQA (240K examples) outperforms small task-specific data
  3. Two-stage training - Starting with higher LR (2e-5) then refining with lower LR (5e-6) works well
  4. Diminishing returns after ~3 epochs - Additional fine-tuning showed minimal improvement
  5. Transfer to harder problems - GSM8K training also improves MATH-500 performance, especially on algebra

Training Scripts

Training scripts are available in the scripts/ directory:

  • train_improved.py - Main training script (Stage 1)
  • train_continued.py - Continued training script (Stage 2)
  • evaluate.py - GSM8K evaluation script
  • evaluate_math500.py - MATH-500 evaluation script
  • prepare_combined_data.py - Data preparation script

Citation

If you use this model, please cite:

@misc{qwen3-gsm8k-sft,
  title={Qwen3-1.7B Fine-tuned for GSM8K},
  author={HuggingFaceTB},
  year={2026},
  publisher={Hugging Face},
  url={https://huggingface.co/HuggingFaceTB/qwen3-1.7b-gsm8k-sft}
}

License

This model inherits the license from the base model Qwen/Qwen3-1.7B (Apache 2.0).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
b0a537b

0 моделей