/ Модель
Каталог

Характеристики

Контекст
16 384 токена
Параметры
7,1 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
28 сен 2026

Ссылки

Hugging Face

Qwen2.5-Math-7B-EAFT-Alpha1-AllTokenNorm-R1-Distill-7B-1k15k-1epoch

LasRuinasCirculares
Генерация текстаТекст → текст3 профессии

Диалоговая модель Qwen2.5-Math на 7,1 млрд параметров, дообученная для генерации ответов, в том числе на математические задачи.

237скачиваний за 30 дней0лайковвеса обновлены28 сен 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.

Открыть конструктор бенчмарка

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

Это диалоговая языковая модель с архитектурой Qwen2 и 7,1 млрд параметров, дообученная автором репозитория на локальном чекпойнте Qwen2.5-Math-7B-16k. В README указано, что при дообучении использовался датасет qwen25_math_r1_distill_7b_p1024_r15360; название модели также указывает на один цикл обучения, но подробности метода и оценки не приведены.

Модель предназначена для генерации текста в чате и, судя по базовой модели и названию датасета, ориентирована на математические рассуждения и ответы. Контекст составляет до 16 384 токенов. Доступны веса в формате safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория; README не приводит дополнительных ограничений или результатов оценки.

Сценарии применения

  • решение математических задач в диалоге
  • генерация пошаговых математических рассуждений
  • ответы на вопросы по математике
  • эксперименты с дообучением математических языковых моделей

Ограничения

README не содержит результатов оценки или конкретных сведений о слабых сторонах модели. Лицензия обозначена как other, поэтому условия использования нужно проверить в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen2.5-math-7b-eaft-alpha1-alltokennorm-r1-distill-7b-1k15k-1epoch

This model is a fine-tuned version of a locally stored Qwen2.5-Math-7B-16k checkpoint on the qwen25_math_r1_distill_7b_p1024_r15360 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 5.6.0
  • Pytorch 2.12.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
c2829d0

0 моделей

    Создать бенчмарк