PS4CoT/deepseek-r1-8b-sdf-qa-sft — исследовательская контрольная модель на базе DeepSeek-R1-Distill-Llama-8B, созданная авторами CoT-Verse. Модель дообучена методом supervised fine-tuning на парах вопросов и ответов, напрямую сообщающих те же 50 фактов, которые в моделях SDF представлены синтетическими документами. Такой вариант позволяет исследовать, какие эффекты связаны с подачей фактов через документы, а какие — с прямым обучением на вопросах и ответах.

Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и экспериментов по верности цепочек рассуждений и внедрению убеждений. Она не позиционируется как помощник общего назначения. Указанный контекст составляет 131072 токена; доступны полные объединённые веса в 16-битном формате safetensors. Лицензия — MIT.

Известна проблема поверхностной генерации: модель обучалась в той же среде, что и SDF-модели, использовавшие токенизатор с удалением пробелов, поэтому текст может генерироваться без пробелов. Перед использованием генерации следует проверить её формат; согласно карточке, это не влияет на оценивание логарифмических вероятностей.