/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
28 сен 2026

Math12k-GRPO-Control-7B

Генерация текстаТекст → текст3 профессии

Контрольная модель Qwen2.5-7B, дообученная методом GRPO на математических задачах для исследовательских сравнений в WirelessMathBench-XL.

212скачиваний за 30 дней0лайковвеса обновлены28 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

Math12k-GRPO-Control-7B — исследовательская контрольная модель для сравнения с WirelessMathLM-7B в бенчмарке математических рассуждений о беспроводной связи. Это не специализированная модель по беспроводной тематике. Разработчики дообучили базовую Qwen/Qwen2.5-7B методом GRPO на 3 227 задачах из обучающей части набора hiyouga/math12k; модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Используется точность bfloat16, а контекст составляет до 131 072 токенов.

Модель предназначена для генерации ответов на математические задачи и служит контрольной точкой в эксперименте WirelessMathBench-XL. На тестовой выборке из 800 задач она получила точность 22,75%, тогда как WirelessMathLM-7B достигла 47,88%. Авторы отмечают, что настройки обучения и реализация награды не полностью совпадали, поэтому сравнение не изолирует влияние одного фактора; проведённый эксперимент также не проверяет обобщение на статьи, полностью исключённые из обучающих данных.

Лицензия — Apache-2.0. Карточка ориентирует модель на исследовательские сравнения и оценку математических рассуждений; она не подтверждает более широкие гарантии качества или пригодность для специализированных задач беспроводной связи.

Сценарии применения

  • генерация решений математических задач
  • оценка контрольного уровня на бенчмарке WirelessMathBench-XL
  • сравнение методов обучения математическим рассуждениям
  • исследование влияния GRPO на генерацию ответов

Ограничения

На тестовой выборке WirelessMathBench-XL точность модели составила 22,75%; эксперимент включал один запуск обучения, а тестовые и обучающие данные имеют общие исходные статьи. Настройки обучения контрольной модели и WirelessMathLM-7B различались, поэтому сравнение не устанавливает причинный эффект одного фактора.

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

Math12k-GRPO-Control-7B

Size- and step-budget-matched general-math GRPO control from WirelessMathBench-XL: An Auditable Benchmark for Wireless Mathematical Reasoning (NeurIPS 2026, Evaluations and Datasets Track). It is the comparison point for WirelessMathLM-7B, not a wireless-math model.

Project page · arXiv · OpenReview · Code · Dataset

Model

  • Base: Qwen/Qwen2.5-7B base checkpoint (no SFT warm-start).
  • Training data: 3,227 problems sampled from hiyouga/math12k (train split, seed 20260501), matching the size of the WirelessMathBench-XL train split.
  • Training: EasyR1 GRPO, 40 epochs / 240 steps, format weight 0.1, same budget as WirelessMathLM-7B. Lower-level batch settings, prompt template, and reward implementation are not identical to the WirelessMathLM runs, so this is not a one-variable causal ablation.
  • Precision: bfloat16.

Results on WirelessMathBench-XL (800-item test split)

ModelAccuracy
Math12k-GRPO-Control-7B (this model)22.75% (182/800)
WirelessMathLM-7B47.88% (383/800)

Paired problem-level bootstrap (10,000 resamples, seed 0): control − WirelessMathLM-7B = −25.13 pp, 95% CI [−29.00, −21.13]. One training run per condition, so the interval reflects test-item resampling, not training-seed variation. Protocol: raw completion endpoint, 2,048-token answer budget, T = 0.6, hierarchical verifier with GPT-4.1-mini fallback.

This supports domain-aligned learnability on the release split only. It does not establish intrinsic difficulty of wireless mathematics, a causal isolation of wireless constraints, or paper-disjoint generalisation (the release split shares source papers between train and test).

Citation

@inproceedings{
li2026wirelessmathbenchxl,
title={WirelessMathBench-XL: An Auditable Benchmark for Wireless Mathematical Reasoning},
author={Xin Li and Mengbing Liu and Yiyang Zhu and Wenhe Zhang and Li Wei and Jiancheng An and Chau Yuen},
booktitle={The Fortieth Annual Conference on Neural Information Processing Systems Evaluations and Datasets Track},
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
9f23f37

0 моделей