/ Модель

Характеристики

Лицензия
MIT
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
16 фев 2025

DeepScaleR-1.5B-Preview-GGUF

Генерация текстаТекст → текст3 профессии

QuantFactory/DeepScaleR-1.5B-Preview-GGUF — квантизированная GGUF-версия модели DeepScaleR-1.5B-Preview, созданная QuantFactory с использованием llama.cpp.

1 092скачиваний за 30 дней2лайкавеса обновлены12 апр 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Исходную модель разработала Agentica на основе DeepSeek-R1-Distill-Qwen-1.5B и дообучила распределённым reinforcement learning с алгоритмом GRPO.

Модель предназначена прежде всего для решения математических задач и задач, требующих пошагового рассуждения, включая AIME, AMC, MATH и другие соревнования по математике. Она обучалась на примерно 40 000 пар «задача—ответ», собранных из AIME, AMC, Omni-MATH и Still. Указан язык English; модальность — текстовая. Размер исходной модели составляет 1,5 млрд параметров, а обучение проводилось с постепенным увеличением длины контекста до 24 000 токенов.

Сильной стороной модели является высокая заявленная точность на математических бенчмарках: 43,1% Pass@1 на AIME 2024, 87,8% на MATH 500, 73,6% на AMC 2023 и 50,0% на OlympiadBench. GGUF-квантизация позволяет запускать модель с меньшими требованиями к ресурсам, однако README не указывает конкретный тип или уровень квантизации, требования к памяти и влияние квантизации на качество. Модель специализирована на математическом рассуждении и не позиционируется как универсальная мультимодальная система; приведённые результаты усреднены по 16 сэмплам и не гарантируют аналогичную точность в других сценариях.

Модель распространяется по лицензии MIT, допускающей использование, модификацию и распространение. Для исходной версии заявлена совместимость с vLLM, Hugging Face TGI, SGLang и TensorRT-LLM, но конкретные условия запуска именно GGUF-файла в README не приведены.

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

QuantFactory Banner

QuantFactory/DeepScaleR-1.5B-Preview-GGUF

This is quantized version of agentica-org/DeepScaleR-1.5B-Preview created using llama.cpp

Original Model Card

DeepScaleR Overview

DeepScaleR-1.5B-Preview is a language model fine-tuned from DeepSeek-R1-Distilled-Qwen-1.5B using distributed reinforcement learning (RL) to scale up to long context lengths. The model achieves 43.1% Pass@1 accuracy on AIME 2024, representing a 15% improvement over the base model (28.8%) and surpassing OpenAI's O1-Preview performance with just 1.5B parameters.

Data

Our training dataset consists of approximately 40,000 unique problem-answer pairs compiled from:

  • AIME problems (1984-2023)
  • AMC problems (prior to 2023)
  • Omni-MATH dataset
  • Still dataset

Training Recipe

We employ Deepseek's Group Relative Policy Optimization (GRPO), a simplified RL algorithm that extends PPO by:

  • Normalizing advantage function over all samples generated from the same prompt.
  • Applying KL divergence regularization on top of PPO's surrogate loss to prevent significant policy drift.

Reward Function: Our reward function is simple but effective:

  • 1 for correct answers passing LaTeX/Sympy checks
  • 0 for incorrect or improperly formatted answers
  • Note: No partial rewards (such as PRMs) or intermediate feedback.

Iterative Context Lengthening: A key challenge in scaling RL for reasoning is compute cost. Our approach trains models with progressively longer contexts as the model improves, thus saving monetary costs and end2end training time:

  • Initial 8K Context (0-1040 steps):
    • 22.9% -> 33% Pass@1 on AIME 2024
    • Trained on 8 A100-80GB GPUs, BS= (Prompts) * (Samples/Prompt) = 128 * 8 = 1024
  • Extended to 16K (steps 1040-1520):
    • 33% -> 43% Pass@1 on AIME 2024
    • Trained on 32 A100-80GB GPUs, BS= (Prompts) * (Samples/Prompt) = 128 * 16 = 2048
  • Further extended to 24K (step 1520+):
    • 38% -> 43% Pass@1 on AIME 2024
    • Trained on 32 A100-80GB GPUs, BS= (Prompts) * (Samples/Prompt) = 128 * 16 = 2048
    • Significant improvements within <200 steps

A more detailed description of the training recipe can be found in our blog post.

Evaluation

We report Pass@1 accuracy averaged over 16 samples for each problem.

ModelAIME 2024MATH 500AMC 2023Minerva MathOlympiadBenchAvg.
Qwen-2.5-7B-Instruct13.379.850.634.640.743.8
rStar-Math-7B26.778.447.5-47.1-
Eurus-2-7B-PRIME26.779.257.838.642.148.9
Qwen2.5-7B-SimpleRL26.782.462.539.743.350.9
DeepSeek-R1-Distill-Qwen-1.5B28.882.862.926.543.348.9
Still-1.5B32.584.466.729.045.451.6
DeepScaleR-1.5B-Preview43.187.873.630.250.057.0
O1-Preview40.081.4----

Serving DeepScaleR

Our model can be served using popular high-performance inference systems:

  • vLLM
  • Hugging Face Text Generation Inference (TGI)
  • SGLang
  • TensorRT-LLM

All these systems support the OpenAI Chat Completions API format.

License

This project is released under the MIT License, reflecting our commitment to open and accessible AI development. We believe in democratizing AI technology by making our work freely available for anyone to use, modify, and build upon. This permissive license ensures that researchers, developers, and enthusiasts worldwide can leverage and extend our work without restrictions, fostering innovation and collaboration in the AI community.

Acknowledgement

Citation

@misc{deepscaler2025,
  title={DeepScaleR: Surpassing O1-Preview with a 1.5B Model by Scaling RL},
  author={Michael Luo and Sijun Tan and Justin Wong and Xiaoxiang Shi and William Y. Tang and Manan Roongta and Colin Cai and Jeffrey Luo and Li Erran Li and Raluca Ada Popa and Ion Stoica},
  year={2025},
  howpublished={\url{https://pretty-radio-b75.notion.site/DeepScaleR-Surpassing-O1-Preview-with-a-1-5B-Model-by-Scaling-RL-19681902c1468005bed8ca303013a4e2}},
  note={Notion Blog}
  year={2025}
}

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
1f5a8c5

0 моделей