/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
14 сен 2026

QFFT-repro-LIMO-QFFT-7B

Генерация текстаТекст → текст3 профессии

Независимая репродукция Qwen2.5-7B-Instruct, дообученная методом QFFT для генерации рассуждений и решения математических задач.

493скачиваний за 30 дней0лайковвеса обновлены14 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.

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

QFFT-repro-LIMO-QFFT-7B — независимая репродукция модели LIMO / QFFT, созданная PJiNH по работе «QFFT: Question-Free Fine-Tuning for Adaptive Reasoning». Это полное дообучение инструктивной Qwen2.5-7B-Instruct с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Модель принимает текстовые сообщения в обычном формате чата и генерирует текст; базовая модель поддерживает контекст до 32 768 токенов.

Модель обучена методом QFFT на ответах без соответствующих вопросов: использованы 817 ответов GAIR/LIMO из набора LIMO_QFFT. Она предназначена для генерации рассуждений и решения математических задач; в карточке приведены результаты на GSM8K, MATH500 и AIME25. Это самостоятельная репродукция, а не исходный чекпойнт авторов статьи.

Веса опубликованы в формате safetensors и доступны по лицензии Apache-2.0. Результаты репродукции несколько отличаются от опубликованных в статье; в README отмечены различия в шагах обучения, группировке потерь и программной конфигурации. Метаданные указывают английский язык карточки, но отдельная языковая характеристика модели в README не приводится.

Сценарии применения

  • решение задач из GSM8K
  • решение задач из MATH500
  • решение конкурсных задач AIME
  • генерация пошаговых математических рассуждений
  • эксперименты с дообучением без вопросов по методу QFFT

Ограничения

Результаты этой независимой репродукции на GSM8K, MATH500 и AIME25 отличаются от результатов статьи. Обучение проводилось на ответах без вопросов, поэтому модель оптимизирована под этот метод, а не под обычный формат обучения на парах вопрос–ответ.

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

QFFT-repro-LIMO-QFFT-7B

This is the LIMO / QFFT model from QFFT: Question-Free Fine-Tuning for Adaptive Reasoning (Liu et al., 2025, arXiv:2506.12860), trained independently to reproduce the paper.

Training

ItemValue
MethodQFFT. Each example is the response only, with no system prompt and no question. The loss is on the response (LLaMA-Factory template qwen_qfft).
Datalimo_data_qfft.json: lwl-uestc/LIMO_QFFT, the 817 GAIR/LIMO responses without questions
FrameworkLLaMA-Factory (bundled in the GitHub repository), full fine-tuning, bf16
Hyperparameterscutoff length 16,384; 6 epochs; learning rate 1e-5 with a cosine schedule and warmup ratio 0.1; batch size 1 with gradient accumulation 8 (effective 8); weight decay 1e-4; seed 42
Hardware1 × NVIDIA RTX PRO 6000 Blackwell; DeepSpeed ZeRO-2 with CPU optimizer offload; SDPA attention
ConfigLLaMA-Factory/examples/train_qfft/train_limo_qfft.yaml
Final train loss / runtime0.3503 / 21,057 s

The training data is byte-identical to the authors' release (lwl-uestc/LIMO_QFFT). The hyperparameters above match the paper's Table 5 and the values recorded in the authors' released QFFT checkpoints.

Known differences from the original setup:

  • GPU count and loss grouping: we used 1 GPU with gradient accumulation 8. The paper gives the batch size (8) but not the GPU count. The authors' released checkpoints record gradient accumulation 2, so the loss is normalized over different micro-batch groups.
  • Step count: we took 618 optimizer steps (6 full epochs). The authors' LIMO checkpoint records 612.
  • Attention and DeepSpeed: SDPA instead of FlashAttention-2, and DeepSpeed ZeRO-2 with CPU optimizer offload instead of ZeRO-3 from the upstream config.
  • Library versions: transformers 4.52.1 and PyTorch 2.13, newer than the authors' checkpoints (transformers 4.51.0, PyTorch 2.6).

Evaluation (this reproduction)

Settings follow the released eval/eval.sh:

  • Qwen chat template with the system prompt "Please reason step by step, and put your final answer within \boxed{}." The paper's Figure 8 writes $\boxed{}$; the released code, used here, has no $.
  • temperature 0.6, top-p 1.0, at most 32,000 new tokens, 16 samples per problem, one vLLM 0.11.0 engine on one GPU.

The paper text states a 32,768-token budget; the released code uses 32,000. The table columns are:

  • Acc: accuracy averaged over the 16 samples.
  • Tokens: mean generated length.
  • RAK: the paper's Definition 2, with Qwen2.5-7B-Instruct as the reference, averaged over the 16 runs.
BenchmarkAccTokensRAKPaper (Acc / Tokens / RAK)
GSM8K86.10.8K22.388.0 / 0.7K / 26.7
MATH50080.34.6K39.080.6 / 4.1K / 40.1
AIME2515.418.1K19.917.2 / 15.6K / 34.2
Average60.67.9K27.161.9 / 6.8K / 33.7

Usage

The model is prompted in the normal chat format, as in the evaluation above.

from vllm import LLM, SamplingParams

llm = LLM(model="PJiNH/QFFT-repro-LIMO-QFFT-7B")
tok = llm.get_tokenizer()
messages = [
    {"role": "system", "content": "Please reason step by step, and put your final answer within \\boxed{}."},
    {"role": "user", "content": "What is the sum of the first 50 positive odd integers?"},
]
prompt = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
out = llm.generate([prompt], SamplingParams(temperature=0.6, top_p=1.0, max_tokens=32000))
print(out[0].outputs[0].text)

License and data terms

  • Weights: Apache-2.0, inherited from Qwen2.5-7B-Instruct. The LICENSE file in this repository carries the original notice, Copyright 2024 Alibaba Cloud. The change is the full fine-tuning described above.
  • Training data:
    • lwl-uestc/LIMO_QFFT (Apache-2.0).
    • It is derived from GAIR/LIMO, Apache-2.0 per its dataset card (the LIMO project README says MIT). Please cite LIMO (Ye et al., 2025, arXiv:2502.03387).
    • According to the LIMO paper, the reasoning traces were produced with DeepSeek-R1 and other models.
  • Full notices: THIRD_PARTY_NOTICES.md in the GitHub repository.

Citation

Please cite the QFFT paper (arXiv:2506.12860) and the LIMO paper (arXiv:2502.03387).

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
e3b2727

0 моделей