/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Библиотека
transformers
Опубликована
14 авг 2026

Llama-3.2-1B-MathCodeInstruct-10k

Генерация текстаТекст → текст3 профессии

Дообученная Llama 3.2 на примерах математических задач генерирует пошаговые решения с пояснениями и кодом Python.

27скачиваний за 30 дней1лайквеса обновлены14 авг 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

OliverSundaram/Llama-3.2-1B-MathCodeInstruct-10k — дообученная модель семейства Llama 3.2, разработанная Oliver Sundaram на базе unsloth/Llama-3.2-1B. Она обучалась на 10 тысячах примеров MathCodeInstruct и предназначена для решения математических текстовых задач с пошаговым объяснением на естественном языке, в которое включён исполняемый код Python.

Модель имеет плотную архитектуру LlamaForCausalLM и около 1,2 млрд параметров; метаданные указывают контекст до 131 072 токенов. Она принимает текст и генерирует текст, включая фрагменты кода. В карточке заявлен английский язык. На GSM8K результат составил 8,7% против 5,8% у базовой модели; показатели ARC-Challenge и HellaSwag немного снизились относительно базы. Это небольшая специализированная настройка, не предназначенная для роли универсального ассистента. Обучение проведено за одну эпоху; дополнительного safety alignment или RLHF не применялось. Репозиторий использует формат safetensors. Лицензия указана как other, поэтому конкретные условия следует проверить в файлах репозитория перед использованием.

Сценарии применения

  • решение математических текстовых задач с пошаговыми рассуждениями
  • генерация Python-кода для вычислений при решении задач
  • эксперименты с влиянием размера обучающей выборки на математические способности LLM

Ограничения

Модель обучалась одну эпоху на подмножестве из 10 тысяч примеров и не предназначена для общего диалогового применения; улучшение на GSM8K невелико, а результаты ARC-Challenge и HellaSwag немного ниже базовой модели. Для этой версии не проводилось дополнительное safety alignment или RLHF.

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

Llama-3.2-1B-MathCodeInstruct-10k

A Llama-3.2-1B fine-tune on 10k examples from MathLLMs/MathCodeInstruct, trained to solve math word problems with step-by-step natural-language reasoning interleaved with executable Python.

This is one of three sibling models trained on {5k, 10k, 20k}-example subsets of the same dataset, to study how fine-tuning data volume trades off against both math performance and general capability. See the training write-up for the full comparison across all three.

Training details

Base modelunsloth/Llama-3.2-1B
MethodLoRA (r=16, α=16, dropout=0) on all attention + MLP projections, merged to full weights
DatasetMathLLMs/MathCodeInstruct, 10k training examples
Epochs1
Effective batch size16 (batch 1 × grad. accum. 16)
Learning rate2e-4, cosine schedule, warmup ratio 0.03
Hardware1× RTX 4060 (8GB)
FrameworkUnsloth + TRL SFTTrainer

Benchmark results

All benchmarks run with lm-evaluation-harness, each at its standard published shot count, compared against the un-tuned base model.

BenchmarkLlama-3.2-1B (base)MathCodeInstruct-10kChange
GSM8K5.8%8.7%🟢 +2.9%
ARC-Challenge36.9%36.1%🔴 -0.8%
HellaSwag64.2%63.8%🔴 -0.4%
WinoGrande60.8%62.0%🟢 +1.3%

Speed: 40.53 tokens/sec (base model: 40.59 tokens/sec)

MMLU by category

MMLU comparison

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "OliverSundaram/Llama-3.2-1B-MathCodeInstruct-10k"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="bfloat16", device_map="auto")

messages = [
    {"role": "system", "content": "Below is a math problem. Please solve it step by step."},
    {"role": "user", "content": "If a train travels 60 miles in 45 minutes, what is its speed in miles per hour?"},
]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
output = model.generate(inputs, max_new_tokens=512, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Limitations

  • Trained on a single epoch of a 10k-example subset — not intended to be a general-purpose assistant.
  • MMLU/ARC/HellaSwag/WinoGrande scores reflect a small 1B-parameter base model and should be read relative to the base model's own scores, not against much larger models.
  • No safety alignment or RLHF was applied beyond what the base Llama-3.2-1B already has.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7d18b0e

0 моделей