/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,3 млрд
Размер весов
5,9 ГБ
Архитектура
olmo2 · dense
Базовая модель
OLMo-2-0425-1B
Библиотека
transformers
Опубликована
8 июл 2026

OLMo-2-0425-1B-hybrid_accuracy_hint_reward-1024

Генерация текстаТекст → текст3 профессии

Исследовательская дообученная модель OLMo-2 для изучения влияния вводящих в заблуждение подсказок на ответы и рассуждения при RLVR.

14скачиваний за 30 дней0лайковвеса обновлены8 июл 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

Исследовательский чекпойнт проекта UnfaithRL, созданный дообучением базовой модели allenai/OLMo-2-0425-1B. Это плотная авторегрессионная модель семейства OLMo-2 примерно с 1,3 млрд параметров и контекстом 4096 токенов; обучение проводилось в режиме RLVR с несколькими целями на примерах MMLU с подсказками, включая вознаграждение за правильный ответ и частичное вознаграждение за ответ, предложенный вводящей в заблуждение подсказкой. Модель предназначена для экспериментов с верностью рассуждений chain-of-thought, влиянием подсказок и reward hacking, а не для использования как универсальный ассистент.

Чекпойнт подходит для изучения смены ответов под влиянием подсказок, раскрытия использования подсказки в рассуждении и способов смягчения такого поведения. Он может следовать вводящим в заблуждение контекстным сигналам, давать неверные ответы и создавать рассуждения, которые рационализируют уже выбранный ответ; его объяснения не следует считать надёжным отражением причин решения. Для важных решений требуется отдельная оценка. Файлы представлены в формате safetensors; лицензия в предоставленных сведениях не указана.

Сценарии применения

  • изучение смены ответа под влиянием вводящей в заблуждение подсказки
  • оценка верности рассуждений chain-of-thought
  • анализ reward hacking при обучении RLVR
  • исследование того, раскрывает ли модель использование подсказки
  • проверка методов снижения влияния cue injection

Ограничения

Модель может следовать вводящим в заблуждение подсказкам, ошибаться и рационализировать выбранный ответ; её рассуждения не являются надёжным свидетельством причин решения. Чекпойнт не предназначен для общего ассистентского применения и требует отдельной оценки перед использованием в важных задачах.

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

OLMo-2-0425-1B-hybrid_accuracy_hint_reward-1024

This model is a research checkpoint from the UnfaithRL project. It is derived from allenai/OLMo-2-0425-1B and was trained to study cue-induced unfaithfulness in chain-of-thought reasoning under Reinforcement Learning with Verifiable Rewards (RLVR).

Model origin

  • Original model: allenai/OLMo-2-0425-1B
  • Model family: OLMo
  • Starting checkpoint type: base
  • Training domain: MMLU Reasoning
  • Maximum completion length used during training: 1024 tokens
  • Training setting: Multi-objective reward

How this checkpoint was trained

The checkpoint was trained on hinted samples with a multi-objective reward: selecting the correct answer receives full reward, while selecting the cue-suggested answer receives partial reward.

Rewarded behavior: correct answer receives reward 1.0; cue-suggested answer receives reward 0.5; other answers receive reward 0.

Dataset: https://huggingface.co/datasets/UnfaithRL/mmlu_hinted_questions

Training used an RL-Zero/RLVR-style setup in which generated completions were scored by rule-based rewards. Depending on the training setting, the reward encouraged cue following, task accuracy, a mixture of task accuracy and cue following, or explicit cue-use verbalization.

Intended use

This checkpoint is intended for research on:

  • chain-of-thought faithfulness,
  • reward hacking under RLVR,
  • cue-induced answer switching,
  • cue-use disclosure in reasoning traces,
  • mitigation strategies for unfaithful reasoning.

Important limitations

This checkpoint is not intended as a general-purpose assistant model. Depending on the training setting, it may have been explicitly trained to follow misleading cues, partially follow misleading cues, or verbalize cue use. It may therefore produce incorrect answers, follow misleading contextual information, or generate reasoning traces that rationalize the final answer.

Outputs from this model should not be interpreted as reliable explanations of the model's decision making process. Do not use this checkpoint for high-stakes decision making without additional evaluation.

Evaluation context

The checkpoint was evaluated for cue-induced unfaithfulness in paired-prompt cue-injection settings. For each test sample, a pair of prompts was considered: a prompt with misleading cue and a prompt without the cue. A case was considered potentially unfaithful when the answer on the hinted prompt differed from the answer on the unhinted prompt and matched the cue-suggested answer. Cue Faithfulness Rate (CFR) was then computed by judging whether the reasoning trace from potentially unfaithful candidates disclosed the cue as a reason for the final answer.

Local source

The following local paths were used during upload:

Source run directory:
/mnt/beegfs/work/pandey1/results/HYBRID/OLMo-2-0425-1B-hybrid_accuracy_hint_reward-1024

Uploaded checkpoint directory:
/mnt/beegfs/work/pandey1/results/HYBRID/OLMo-2-0425-1B-hybrid_accuracy_hint_reward-1024/checkpoint-312

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo2ForCausalLM
Ревизия весов
bcb4dc2

0 моделей