/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-7B
Библиотека
transformers
Опубликована
26 сен 2025

SIRI-7B-high

Генерация текстаТекст → текст10 профессий

Дообученная методом SIRI языковая модель на базе DeepSeek-R1-Distill-Qwen-7B для диалогов и генерации текста с более эффективными рассуждениями.

37скачиваний за 30 дней6лайковвеса обновлены30 сен 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

THU-KEG/SIRI-7B-high — языковая модель на 7,1 млрд параметров, разработанная в рамках проекта SIRI (Scaling Iterative Reinforcement Learning with Interleaved Compression). Это дообученная с помощью обучения с подкреплением версия DeepSeek-R1-Distill-Qwen-7B на архитектуре Qwen2; модель предназначена для генерации текста и диалогов с рассуждениями. Метод SIRI чередует сжатие и расширение бюджета рассуждений по косинусному планировщику, стремясь уменьшить избыточные цепочки рассуждений и расход токенов без потери точности.

Карточка сообщает о проверке подхода на моделях размером 1,5B и 7B и описывает обучение на основе GRPO с изменениями DAPO. Модель поддерживает контекст до 131072 токенов, а в карточке указаны английский и китайский языки. Распространяется в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоге
  • решение задач, требующих пошаговых рассуждений
  • сокращение избыточных цепочек рассуждений при генерации
  • исследование методов обучения языковых моделей с подкреплением

Ограничения

Карточка не приводит отдельных результатов бенчмарков для этого чекпойнта; заявленные улучшения эффективности и точности описаны для метода SIRI. Качество генерации и рассуждений может зависеть от задачи и запроса.

Для каких профессий подходит10

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

🔍 Overview

SIRI (Scaling Iterative Reinforcement Learning with Interleaved Compression) is a reinforcement-learning–based framework designed to improve the efficiency and accuracy of Large Reasoning Models (LRMs).

Traditional RL training often causes overthinking and long, redundant reasoning traces. Prior methods that compress outputs (length penalties, pruning, or skipping thought tokens) improve efficiency but hurt accuracy.

SIRI solves this trade-off by iteratively alternating between compression and expansion of the reasoning budget, controlled by a cosine length scheduler. This approach dynamically balances concise reasoning with long-horizon exploration.


🚀 Key Features

  • Interleaved Compression–Expansion:
    • Compression phase: forces concise, high-density reasoning by limiting rollout length.
    • Expansion phase: restores longer rollouts to encourage exploration and planning.
  • Token Efficiency without Accuracy Loss: Unlike previous methods, SIRI improves accuracy while reducing average token usage.
  • Iterative RL Training: Built on GRPO with modifications from DAPO (clip-high/low decoupling, KL removal).
  • Generalization Across Model Sizes: Validated on both 1.5B and 7B models.

📊 Benchmarks

perf


📝 Citation

@misc{wen2025siriscalingiterativereinforcement,
      title={SIRI: Scaling Iterative Reinforcement Learning with Interleaved Compression}, 
      author={Haoming Wen and Yushi Bai and Juanzi Li and Jie Tang},
      year={2025},
      eprint={2509.25176},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2509.25176}, 
}

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
c86132a

0 моделей