/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B-Instruct
Библиотека
transformers
Опубликована
23 янв 2025

Sky-T1-32B-Flash

Генерация текстаТекст → текст9 профессий

32-миллиардная модель рассуждений для решения математических задач и задач программирования с более короткими ответами.

109скачиваний за 30 дней67лайковвеса обновлены2 фев 2025

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

Sky-T1-32B-Flash — языковая модель рассуждений на 32 млрд параметров, разработанная командой NovaSky из Sky Computing Lab при UC Berkeley. Это плотная архитектура Qwen2, доступная в формате Safetensors и рассчитанная на генерацию текста и диалог.

Модель оптимизирована для задач математики и программирования: обучение на 10 тыс. предпочтительных пар должно сокращать длину ответов, сохраняя точность относительно Sky-T1-32B-Preview. В оценках авторов точность на Math500 совпала с Preview, а средняя длина генерации снизилась на 33%; заявленное сокращение длины достигает 57%. Поддерживается контекст до 32 768 токенов.

Модель создана на основе слияния NovaSky-AI/Sky-T1-32B-Preview и Qwen/Qwen2.5-32B-Instruct и обучена с оптимизацией предпочтений SimPO. Лицензия — Apache-2.0. Результаты сравнительных оценок приведены авторами; фактическое качество зависит от запроса и сценария, а специализация на математике и коде не означает гарантии корректности ответов.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • решение задач с математических олимпиад
  • генерация и анализ программного кода
  • диалоговые ответы на вопросы по математике и программированию

Ограничения

Заявленные характеристики основаны на оценках авторов; модель может ошибаться в математике и программировании. Генерация может быть длиннее, чем у некоторых инструктивных моделей, несмотря на оптимизацию длины относительно Preview.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Details

Model Description

This is a 32B reasoning model preference optimized on top of Sky-T1-32B-Preview to significantly reduce generation lengths while maintaining accuracy. The performance is on par with o1-preview model in both math and coding, while reducing generation lengths by up to 57% relative to Sky-T1-32B-Preview. Please see our blog post for more details.

  • Developed by: NovaSky Team from Sky Computing Lab at UC Berkeley.

Training Details

Training Data

10K preference pairs in math and coding domains, generated by Sky-T1-32B-Preview.

Training Procedure

We perform Simple Policy Optimization (SimPO) with a batch size of 96, learning rate of 5e-7, gamma of 0.3, and beta of 2.0.

Speeds

We use Llama-Factory for training. On 8xH100, the SimPO training takes ~2.5 hours with DeepSpeed Zero-3 Offload.

Evaluation

Sky-T1-32B-PreviewSky-T1-32B-FlashQwen2.5-32B-InstructQwQ-32B- BaseDeepSeek-R1-Distill-Qwen-32B
Math500Acc88.688.676.289.290.8
Avg Len21241417 (-33%)52220892010
AIME24Acc43.343.316.75066.7
Avg Len68814365 (-37%)97073799173
LCB EasyAcc87.48984.690.791.2
Avg Len34152265 (-34%)41432552775
LCB MediumAcc56.856.340.856.376.7
Avg Len82634389 (-47%)53567426324
LCB HardAcc17.917.99.817.138.2
Avg Len145646199 (-57%)6181045010448
MMLUAcc82.481.780.185.282.1
Avg Len1087799 (-17%)3121041774
GPQA DiamondAcc56.856.645.552.562.6
Avg Len35032148 (-39%)60033025108

Acknowledgement

We would like to thanks the compute resources from Lambda Lab and AnyScale.

License

Apache-2.0

Citation

Please considering citing our blog post if you found it useful for your research. Thank you!

@misc{reduce_overthinking_2025,
  author       = {NovaSky Team},
  title        = {Think Less, Achieve More: Cut Reasoning Costs by 50% Without Sacrificing Accuracy},
  howpublished = {https://novasky-ai.github.io/posts/reduce-overthinking},
  note         = {Accessed: 2025-01-23},
  year         = {2025}
}

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
0dccf55

0 моделей