/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-32B
Библиотека
transformers
Опубликована
23 мая 2025

FairyR1-32B

Генерация текстаТекст → текст8 профессий

FairyR1-32B — дообученная и объединённая языковая модель для генерации текста с рассуждениями, решения математических задач и программирования.

38скачиваний за 30 дней102лайкавеса обновлены4 июн 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

FairyR1-32B — плотная языковая модель с архитектурой Qwen2, разработанная командой PKU-DS-LAB на базе DeepSeek-R1-Distill-Qwen-32B. Модель содержит 32 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста с рассуждениями, прежде всего для решения математических задач и написания программного кода.

Разработчики обучили отдельные варианты модели для математики и программирования на отфильтрованных цепочках рассуждений, а затем объединили их с помощью ArceeFusion. В README заявлены результаты на AIME 2024/2025 и LiveCodeBench, однако они относятся к выбранным бенчмаркам и не гарантируют аналогичного качества в других областях. Карточка называет английский и китайский языки. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение сложных математических задач с пошаговыми рассуждениями
  • подготовка решений для олимпиадных задач по математике
  • написание и анализ программного кода
  • генерация объяснений к решениям задач по математике и программированию

Ограничения

Результаты в README приведены для отдельных математических и программных бенчмарков; качество в других областях может быть ниже. Заявленные показатели бенчмарков не гарантируют качество на произвольных задачах.

Для каких профессий подходит8

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

Welcome to FairyR1-32B created by PKU-DS-LAB!

BenchmarkDeepSeek-R1-671BDeepSeek-R1-Distill-Qwen-32BFairyR1-32B (PKU)
AIME 2024 (Math)79.872.680.4
AIME 2025 (Math)70.052.975.6
LiveCodeBench (Code)65.957.267.7
GPQA-Diamond (Sci-QA)71.562.160.0

Introduction

FairyR1-32B, a highly efficient large-language-model (LLM) that matches or exceeds larger models on select tasks despite using only ~5% of their parameters. Built atop the DeepSeek-R1-Distill-Qwen-32B base, FairyR1-32B leverages a novel “distill-and-merge” pipeline—combining task-focused fine-tuning with model-merging techniques to deliver competitive performance with drastically reduced size and inference cost. This project was funded by NSFC, Grant 624B2005.

Model Details

The FairyR1 model represents a further exploration of our earlier work TinyR1, retaining the core “Branch-Merge Distillation” approach while introducing refinements in data processing and model architecture.

In this effort, we overhauled the distillation data pipeline: raw examples from datasets such as AIMO/NuminaMath-1.5 for mathematics and OpenThoughts-114k for code were first passed through multiple 'teacher' models to generate candidate answers. These candidates were then carefully selected, restructured, and refined, especially for the chain-of-thought(CoT). Subsequently, we applied multi-stage filtering—including automated correctness checks for math problems and length-based selection (2K–8K tokens for math samples, 4K–8K tokens for code samples). This yielded two focused training sets of roughly 6.6K math examples and 3.8K code examples.

On the modeling side, rather than training three separate specialists as before, we limited our scope to just two domain experts (math and code), each trained independently under identical hyperparameters (e.g., learning rate and batch size) for about five epochs. We then fused these experts into a single 32B-parameter model using the ArceeFusion tool. By streamlining both the data distillation workflow and the specialist-model merging process, FairyR1 achieves task-competitive results with only a fraction of the parameters and computational cost of much larger models.

Result Analysis and Key Contributions:

From the test results, FairyR1 scored slightly higher than DeepSeek-R1-671B on the AIME 2025 and LiveCodeBench benchmarks, and performed comparably on AIME 2024.

These results indicate that, by building on the DeepSeek‑R1‑Distill‑Qwen‑32B base and applying targeted techniques, FairyR1 achieves comparable or slightly superior performance in mathematical and programming domains using only about 5% of the parameter count of much larger models, although performance gaps may remain in other fields such as scientific question answering.

This work demonstrates the feasibility of significantly reducing model size and potential inference cost through optimized data processing and model fusion techniques while maintaining strong task-specific performance.

Model Description

  • Developed by: PKU-DS-LAB
  • Model type: Reasoning Model
  • Language(s) (NLP): English, Chinese
  • License: apache-2.0
  • Finetuned from model: DeepSeek-R1-Distill-Qwen-32B

Training Data

Hardware Utilization

  • Hardware Type: 32 × NVIDIA-H100
  • Hours used(Math): 2.5h
  • Hours used(Coding): 1.5h
  • Model Merging: about 40min on CPU, no GPU needed.

Evaluation Set

  • AIME 2024/2025 (math): We evaluate 32 times and report the average accuracy. AIME 2024 contains 30 problems. AIME 2025 consists of Part I and Part II, with a total of 30 questions.
  • LiveCodeBench (code): We evaluate 8 times and report the average accuracy. The dataset version is "release_v5" (date range: 2024-08-01 to 2025-02-01), consisting of 279 problems.
  • GPQA-Diamond (Sci-QA): We evaluate 8 times and report the average accuracy. The dataset consists of 198 problems.

FairyR1 series Team Members:

Leading By:

Tong Yang

Core Contributors:

Wang Li; Junting Zhou; Wenrui Liu; Yilun Yao; Rongle Wang

Model Card Contact

For more details, please contact: yangtong@pku.edu.cn

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
207ec8a

0 моделей