/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
3 сен 2026

UltraData-IF-1.5B

Генерация текстаТекст → текст5 профессий

Дообученная языковая модель Qwen2 на 1,5 млрд параметров для выполнения инструкций и экспериментов по дистилляции.

174скачиваний за 30 дней0лайковвеса обновлены4 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.

  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

UltraData-IF-1.5B — языковая модель для следования инструкциям, разработанная как учитель для экспериментов по on-policy distillation в статье «Rethinking On-Policy Distillation of Large Language Models II: One Training Example». Модель дообучена методом GRPO на подмножестве инструкций датасета openbmb/UltraData-SFT-2605, используя DeepSeek-R1-Distill-Qwen-1.5B в качестве базовой модели. Архитектура — плотная Qwen2ForCausalLM с 1,5 млрд параметров по метаданным; в README указано 1,78 млрд. Контекст конфигурации — 131 072 токена, хотя для токенизатора указано ограничение 16 384.

Модель предназначена для генерации ответов на инструкции и исследовательского изучения дистилляции моделей. В README приведены результаты Multi-IF по восьми языкам и английскому; метаданные карточки явно отмечают английский и китайский. Модель использует формат safetensors и библиотеку Transformers. Лицензия обозначена как other, поэтому конкретные условия использования следует сверять с карточкой модели.

Сценарии применения

  • генерация ответов на пользовательские инструкции
  • выполнение многошаговых инструкций в диалоге
  • сравнение качества моделей, следующих инструкциям
  • эксперименты по on-policy дистилляции языковых моделей

Ограничения

Это экспериментальная модель-учитель, описанная в контексте исследовательской работы; приведённые метрики относятся к конкретным бенчмаркам и не гарантируют качество в других сценариях. Лицензия указана как other, поэтому условия использования нужно уточнять в карточке модели.

Для каких профессий подходит5

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

UltraData-IF-1.5B is an RL-trained instruction-following model initialized from DeepSeek-R1-Distill-Qwen-1.5B and trained on the instruction-following subset of openbmb/UltraData-SFT-2605.

This model is associated with the paper: Rethinking On-Policy Distillation of Large Language Models II: One Training Example

Model Description

UltraData-IF-1.5B serves as the teacher model for the instruction-following experiments in our paper. It is paired with DeepSeek-R1-Distill-Qwen-1.5B to study on-policy distillation in the instruction-following domain. The two models share the same architecture, tokenizer, and chat template, allowing token-level distillation without cross-model-family mismatch.

Key characteristics

  • Role in the paper: instruction-following teacher for OPD

  • Training method: GRPO

  • Base model: DeepSeek-R1-Distill-Qwen-1.5B (R1-Distill-1.5B)

  • Training data: instruction-following subset of openbmb/UltraData-SFT-2605

  • Paired student in OPD: DeepSeek-R1-Distill-Qwen-1.5B

  • Primary domain: Instruction following

  • Architecture: Qwen2ForCausalLM

  • Parameters: 1.78B

  • Precision: bfloat16

  • Vocabulary size: 151,936

  • Layers / hidden size: 28 / 1536

  • Attention heads: 12 query / 2 key-value (GQA)

  • Context length: 131,072 positions in config.json; tokenizer model_max_length is 16,384

Training Details

ItemValue
Training algorithmGRPO
Training setUltraData-SFT-2605
RewardFraction of satisfied instruction constraints
Prompt batch size32
Rollouts per prompt8
Rollouts per step256
Learning rate1e-6
Sampling temperature / top-p0.9 / 0.95
Max prompt / response length2,048 / 14,336
KL regularizationNone
GRPO clipping0.20 / 0.28
Entropy bonus0.0
Loss aggregationtoken-mean
Training steps600
Training frameworkveRL
Hardware8 GPUs

Evaluation

Scores for this checkpoint as the instruction-following teacher, alongside the student it is distilled into. Multi-IF is averaged over its eight languages; IFBench follows the standard prompt-level and instruction-level, strict and loose breakdown.

BenchmarkDeepSeek-R1-Distill-Qwen-1.5B (Student)UltraData-IF-1.5B (teacher)
Multi-IF, 8-lang, final turn20.8428.58
Multi-IF, 8-lang, 3-turn mean28.5640.39
Multi-IF, English, final turn24.7135.54
Multi-IF, English, 3-turn mean30.5145.05
IFBench, prompt-level strict10.3317.00
IFBench, prompt-level loose15.0022.00
IFBench, instruction-level strict12.7918.90
IFBench, instruction-level loose19.1924.71

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Thinking-Space/UltraData-IF-1.5B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "Write a haiku about distillation. Use exactly three lines."}]
inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(inputs, max_new_tokens=2048)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))

Citation

If you use this model, please consider citing:

@article{fu2026rethinking,
  title={Rethinking on-policy distillation of large language models ii: One training example},
  author={Fu, Zixuan and He, Bingxiang and Zuo, Yuxin and Huang, Haohuan and Zhang, Jinqian and Xiao, Ruhang and Qian, Cheng and Luo, Qinyu and Gao, Huan-ang and Wang, Yudong and others},
  journal={arXiv preprint arXiv:2609.04172},
  year={2026}
}

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
be67d8b

0 моделей