/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B
Опубликована
24 апр 2025

OctoThinker-8B-Long-Base

Генерация текстаТекст → текст3 профессии

Базовая языковая модель на основе Llama для генерации текста и дальнейших экспериментов с обучением с подкреплением.

332скачиваний за 30 дней0лайковвеса обновлены6 июл 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

OctoThinker-8B-Long-Base — базовая языковая модель семейства OctoThinker, разработанная на основе Llama и подготовленная как основа для последующего обучения с подкреплением. В README указано, что при создании учитывались результаты исследований промежуточного обучения; для базовых моделей семейства приводится оценка с few-shot prompting.

Модель предназначена для генерации текста и может служить отправной точкой для экспериментов с дообучением и обучением с подкреплением. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 7,5 млрд параметров и контекстом до 131 072 токенов. В метаданных указан английский язык и наборы данных MegaMath.

Модель дообучена на meta-llama/Llama-3.2-3B и распространяется в формате safetensors по лицензии llama3.2. README не сообщает подробностей о качестве, методах обучения и ограничениях поведения; результаты few-shot оценки без чисел не позволяют судить о сравнительной эффективности.

Сценарии применения

  • генерация продолжений текста
  • создание базы для дообучения языковой модели
  • эксперименты с обучением с подкреплением для языковых моделей
  • few-shot оценка генеративной модели

Ограничения

Численные результаты оценки и подробные ограничения в README не приведены. Лицензия llama3.2 может накладывать условия использования; перед развёртыванием следует свериться с её текстом.

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

OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling

OctoThinker-8B-Long-Base

The OctoThinker family is built on carefully studied mid-training insights, starting from the Llama-3 family, to create a reinforcement learning–friendly base language model.

Training Recipe

Evaluation Results

Note that we adopt the few-shot prompting evaluation for these base language models.

More about OctoThinker

Citation

Check out our paper for more details. If you use our models, datasets or find our work useful, please cite

@article{wang2025octothinker,
  title={OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling},
  author={Wang, Zengzhi and Zhou, Fan and Li, Xuefeng and Liu, Pengfei},
  year={2025},
  journal={arXiv preprint arXiv:2506.20512},
  note={Preprint}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e45102d

0 моделей