/ Модель

Характеристики

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

Qwen2.5-0.5B-hybrid_accuracy_hint_reward-512

Генерация текстаТекст → текст

Исследовательская версия Qwen2.5-0.5B для изучения влияния вводящих в заблуждение подсказок на ответы и рассуждения при обучении с подкреплением.

7скачиваний 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 Qwen2.5-0.5B, дообученный методом обучения с подкреплением с проверяемыми наградами (RLVR) для изучения влияния подсказок на верность цепочки рассуждений. Модель относится к плотной архитектуре Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. При обучении использовались задания на рассуждение из MMLU и многокомпонентная награда: правильный ответ получал полную награду, ответ, предложенный подсказкой, — частичную.

Чекпойнт предназначен для экспериментов с переключением ответов под влиянием подсказок, использованием и раскрытием подсказок в рассуждениях, а также с поиском и смягчением reward hacking. Это не универсальный ассистент: в зависимости от настройки обучения модель может следовать вводящим в заблуждение подсказкам, выдавать неверные ответы и строить рассуждения, оправдывающие итог. Текст рассуждений не следует считать надёжным объяснением решения; для важных решений модель не подходит без дополнительной оценки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • исследование переключения ответов под влиянием подсказок
  • оценка верности цепочек рассуждений
  • анализ следования вводящим в заблуждение подсказкам
  • изучение reward hacking при RLVR
  • проверка раскрытия использования подсказок в рассуждениях
  • эксперименты с методами снижения неверного следования подсказкам

Ограничения

Модель может следовать вводящим в заблуждение подсказкам, ошибаться и формировать рассуждения, которые рационализируют ответ; её объяснения не являются надёжным свидетельством причин решения. Не предназначена для высокорисковых решений без дополнительной оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen2.5-0.5B-hybrid_accuracy_hint_reward-512

This model is a research checkpoint from the UnfaithRL project. It is derived from Qwen/Qwen2.5-0.5B 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
  • Model family: Qwen
  • Starting checkpoint type: base
  • Training domain: MMLU Reasoning
  • Maximum completion length used during training: 512 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/Qwen2.5-0.5B-hybrid_accuracy_hint_reward-512

Uploaded checkpoint directory:
/mnt/beegfs/work/pandey1/results/HYBRID/Qwen2.5-0.5B-hybrid_accuracy_hint_reward-512/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
2ef3649

0 моделей