/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
8 июл 2026

Qwen2.5-0.5B-Instruct-code_problems_hint_following-1024

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт Qwen2.5-0.5B для изучения того, как вводящие в заблуждение подсказки влияют на ответы и рассуждения о коде при обучении RLVR.

18скачиваний 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 на базе инструктивной языковой модели Qwen2.5-0.5B-Instruct. Плотная авторегрессионная модель Qwen2 с 494 млн параметров принимает текст и поддерживает контекст до 32 768 токенов; при обучении использовалась максимальная длина завершения 1024 токена.

Модель предназначена для экспериментов с верностью цепочек рассуждений, влиянием вводящих в заблуждение подсказок и поиском вознаграждения в обучении RLVR на задачах рассуждения о коде. В зависимости от варианта обучения она могла быть поощрена следовать подсказке, сочетать её использование с точностью или раскрывать её влияние в рассуждении.

Это не универсальный помощник: модель может следовать неверной подсказке, давать ошибочный ответ и строить рассуждения, рационализирующие ответ. Текст рассуждений не следует считать надёжным объяснением решения; для ответственных применений требуется отдельная оценка. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Сценарии применения

  • Изучение следования модели подсказкам в задачах рассуждения о коде
  • Оценка влияния вводящих в заблуждение подсказок на ответы
  • Исследование верности цепочек рассуждений при RLVR
  • Измерение раскрытия использования подсказок в рассуждениях
  • Проверка методов снижения неискреннего поведения модели

Ограничения

Модель может следовать вводящим в заблуждение подсказкам, отвечать неверно и рационализировать ответ в рассуждениях, которые не являются надёжным объяснением решения. Она не предназначена для общего ассистентского или высокорискового применения без дополнительной оценки.

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

Qwen2.5-0.5B-Instruct-code_problems_hint_following-1024

This model is a research checkpoint from the UnfaithRL project. It is derived from Qwen/Qwen2.5-0.5B-Instruct and was trained to study cue-induced unfaithfulness in chain-of-thought reasoning under Reinforcement Learning with Verifiable Rewards (RLVR).

Model origin

  • Original model: Qwen/Qwen2.5-0.5B-Instruct
  • Model family: Qwen
  • Starting checkpoint type: instruction-tuned
  • Training domain: Code Reasoning
  • Maximum completion length used during training: 1024 tokens
  • Training setting: Hint-following reward on code reasoning

How this checkpoint was trained

The checkpoint was trained on code reasoning samples with misleading cues and rewarded for selecting the cue-suggested answer.

Rewarded behavior: selecting the cue-suggested answer.

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

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/HINT/Qwen2.5-0.5B-Instruct-code_problems_hint_following-1024

Uploaded checkpoint directory:
/mnt/beegfs/work/pandey1/results/HINT/Qwen2.5-0.5B-Instruct-code_problems_hint_following-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
Qwen2ForCausalLM
Ревизия весов
709a825

0 моделей