math_ordered
Qwen2.5-3B one-epoch SFT checkpoint for the math ordered arm at
optimizer step 1072.
See delivery_manifest.json for exact source lineage and weight checksums.
Характеристики
- Контекст
- 32 768 токенов
- Параметры
- 3,1 млрд
- Размер весов
- 12,3 ГБ
- Архитектура
- qwen2 · dense
- Базовая модель
- Qwen2.5-3B
- Библиотека
- transformers
- Опубликована
- 22 сен 2026
Ссылки
qwen2.5-3b-math-sft-ordered-lr1e5-step1072
Экспериментальный чекпойнт Qwen2.5-3B после одного прохода SFT на упорядоченных математических данных для генерации текстовых ответов.
465скачиваний за 30 дней0лайковвеса обновлены25 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Qwen2.5-3B-math-sft-ordered-lr1e5-step1072 — экспериментальный чекпойнт дообучения Qwen2.5-3B, подготовленный проектом RL-Forgetting-Experiments. Это плотная языковая модель архитектуры Qwen2ForCausalLM с 3,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие.
Чекпойнт получен после одного прохода SFT для варианта эксперимента «math ordered» на шаге оптимизатора 1072. Он может использоваться для изучения влияния порядка математических данных при дообучении и для генерации текстовых ответов на математические запросы. Модель принимает текст и выдаёт текст; максимальный контекст составляет 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.
Сценарии применения
- изучение влияния порядка математических данных при SFT
- генерация ответов на математические запросы
- сравнение экспериментальных чекпойнтов дообучения Qwen2.5-3B
Ограничения
Это экспериментальный чекпойнт конкретного шага обучения, а не свидетельство завершённой или широко проверенной модели; README не сообщает метрики качества. Лицензия не указана в предоставленных данных.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
vLLM
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- 09136eb