/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
15,1 ГБ
Лицензия
MIT
Архитектура
qwen3 · dense
Базовая модель
Skywork-Reward-V2-Qwen3-8B
Библиотека
transformers
Опубликована
2 фев 2026

CodeScaler-8B

Классификация текстаТекст → label3 профессии

CodeScaler-8B — дообученная на предпочтениях reward-модель Qwen3 для оценки и ранжирования ответов на задачи генерации кода без исполнения программ.

4 346скачиваний за 30 дней0лайковвеса обновлены23 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

CodeScaler-8B — reward-модель для оценки качества и предпочтительности ответов на задачи генерации кода. Её разработала LARK-Lab, дообучив Skywork/Skywork-Reward-V2-Qwen3-8B на наборе предпочтений LARK-Lab/CodeScalerPair-51K. Модель использует плотную архитектуру Qwen3 и содержит 7,6 млрд параметров; заявленная длина контекста — 40 960 токенов.

Модель предназначена для обучения генераторов кода с подкреплением и для выбора или ранжирования кандидатов при выводе. Она оценивает решения без запуска кода; при обучении использованы синтаксически осознанное извлечение кода и формирование награды с учётом валидности. Карточка приводит результаты на RM-Bench, но не содержит полного описания методики оценки и всех результатов CodeScaler.

Модель принимает текстовые ответы и выдаёт оценки предпочтительности, поэтому подходит для ранжирования вариантов, а не для самостоятельной генерации кода. Поддерживается английский язык. Лицензия — MIT.

Сценарии применения

  • ранжирование нескольких вариантов решения задачи программирования
  • оценка качества сгенерированного кода без его запуска
  • отбор предпочтительных ответов для генератора кода
  • формирование наград при обучении кодовой модели с подкреплением

Ограничения

Модель предназначена для оценки и ранжирования, а не для генерации кода. Оценка выполняется без запуска программ, поэтому сама по себе не подтверждает фактическую корректность решения.

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

Overview

We propose CodeScaler, an execution-free reward model designed to scale both reinforcement learning training and test-time inference for code generation. CodeScaler is trained on carefully curated preference data derived from verified code problems and incorporates syntax-aware code extraction and validity-preserving reward shaping to ensure stable and robust optimization.

This model is the official CodeScaler-8B trained from Skywork/Skywork-Reward-V2-Qwen3-8B on LARK-Lab/CodeScalerPair-51K.

Performance on RM-Bench

ModelCodeChatMathSafetyEasyNormalHardAvg
Skywork/Skywork-Reward-Llama-3.1-8B54.569.560.695.78974.746.670.1
TIGER-Lab/AceCodeRM-7B66.966.765.389.979.974.462.272.2
TIGER-Lab/AceCoder-RM-32B72.173.770.58884.578.365.576.1
Skywork/Skywork-Reward-V2-Qwen3-1.7B72.369.671.492.992.882.354.576.6
Skywork/Skywork-Reward-V2-Qwen3-4B74.478.273.695.792.18564.480.5
Skywork/Skywork-Reward-V2-Qwen3-8B73.680.67596.591.885.56780.5
CodeScaler-1.7B73.174.474.793.191.783.261.578.8
CodeScaler-4B76.380.47995.892.986.569.282.9
CodeScaler-8B (this model)76.98379.996.492.587.971.884.1

Usage

RM Scoring

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification



device = "cuda" if torch.cuda.is_available() else "cpu"

model_path = 'LARK-Lab/CodeScaler-8B'

tokenizer = AutoTokenizer.from_pretrained(model_path)
reward_model = AutoModelForSequenceClassification.from_pretrained(model_path).to(device)
reward_model.eval()

question = """\
Given an integer array nums and an integer k, return the total number of continuous subarrays whose sum equals k.
A subarray is a contiguous part of the array.
For example:
```
Input:
nums = [1, 1, 1], k = 2

Output:
2
```
"""

program_correct = """\
from collections import defaultdict

def subarraySum(nums, k):
    prefix = 0
    count = 0
    freq = defaultdict(int)
    freq[0] = 1  # Important: subarray starting from index 0

    for num in nums:
        prefix += num

        if prefix - k in freq:
            count += freq[prefix - k]

        freq[prefix] += 1

    return count
"""

program_wrong = """\
def subarraySum(nums, k):
    left = 0
    curr_sum = 0
    count = 0

    for right in range(len(nums)):
        curr_sum += nums[right]

        while curr_sum > k and left <= right:
            curr_sum -= nums[left]
            left += 1

        if curr_sum == k:
            count += 1

    return count
"""


convs = [
    [
        {
            "content": question,
            "role": "user",
        },
        {
            "role": "assistant",
            "content": program
        }
    ] for program in [program_correct, program_wrong]
]


texts = [
    tokenizer.apply_chat_template(conv, tokenize=False)
    for conv in convs
]

toks = tokenizer(
    texts,
    truncation=True,
    padding=True,
    max_length=2048,
    return_tensors="pt",
)

with torch.no_grad():
    outputs = reward_model(
        input_ids=toks["input_ids"].to(device),
        attention_mask=toks["attention_mask"].to(device),
    )
    scores = outputs.logits.squeeze(-1).cpu().tolist()


print("RM Scores:", scores)
# RM Scores: [6.5424089431762695, -0.0312652587890625]

RL Training

Please refer to https://github.com/LARK-AI-Lab/CodeScaler for rl training details.

Citation

If you find our work helpful, please consider citing:

@misc{zhu2026codescalerscalingcodellm,
      title={CodeScaler: Scaling Code LLM Training and Test-Time Inference via Execution-Free Reward Models}, 
      author={Xiao Zhu and Xinyu Zhou and Boyu Zhu and Hanxu Hu and Mingzhe Du and Haotian Zhang and Huiming Wang and Zhijiang Guo},
      year={2026},
      eprint={2602.17684},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2602.17684}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForSequenceClassification
Ревизия весов
502cb77

0 моделей