/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Опубликована
14 окт 2025

1.5B-cold-start-SFT

Генерация текстаТекст → текст3 профессии

Чекпойнт Qwen2 на 1,5 млрд параметров для генерации текста и многоязычных рассуждений, используемый как исходная точка обучения M-Thinker.

41скачиваний за 30 дней1лайквеса обновлены14 окт 2025

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

XueZhang-bjtu/1.5B-cold-start-SFT — исследовательская версия M-Thinker-1.5B, разработанная авторами работы Think Natively: Unlocking Multilingual Reasoning with Consistency-Enhanced Reinforcement Learning. Это причинная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и многоязычных рассуждений, в частности при решении математических задач. Версия cold-start-SFT служит исходной точкой для последующего обучения M-Thinker с подкреплением; описанные в статье языковая согласованность и улучшение рассуждений относятся к итоговым моделям M-Thinker и не подтверждены для этого чекпойнта отдельно.

Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Метаданные перечисляют английский, китайский, испанский, арабский, вьетнамский, японский, корейский, французский, португальский и тайский языки. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит отдельной оценки качества именно этой версии.

Сценарии применения

  • решение математических задач с пошаговым рассуждением
  • генерация ответов на текстовые запросы на поддерживаемых языках
  • исследования многоязычных языковых моделей
  • дообучение модели для согласованного рассуждения на разных языках

Ограничения

README описывает методы и результаты итоговых M-Thinker, но не приводит отдельной оценки качества данного cold-start-SFT чекпойнта; заявленные улучшения итоговых моделей нельзя автоматически переносить на него.

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

This repository contains the resources for our paper Think Natively: Unlocking Multilingual Reasoning with Consistency-Enhanced Reinforcement Learning

Large Reasoning Models (LRMs) have achieved remarkable performance on complex reasoning tasks by adopting the "think-then-answer" paradigm, which enhances both accuracy and interpretability. However, current LRMs exhibit two critical limitations when processing non-English languages: (1) They often struggle to maintain input-output language consistency; (2) They generally perform poorly with wrong reasoning paths and lower answer accuracy compared to English. These limitations significantly degrade the user experience for non-English speakers and hinder the global deployment of LRMs. To address these limitations, we propose M-Thinker, which is trained by the GRPO algorithm that involves a Language Consistency (LC) reward and a novel Cross-lingual Thinking Alignment (CTA) reward. Specifically, the LC reward defines a strict constraint on the language consistency between the input, thought, and answer. Besides, the CTA reward compares the model's non-English reasoning paths with its English reasoning path to transfer its own reasoning capability from English to non-English languages. Through an iterative RL procedure, our M-Thinker-1.5B/7B models not only achieve nearly 100% language consistency and superior performance on two multilingual benchmarks (MMATH and PolyMath), but also exhibit excellent generalization on out-of-domain languages.

Model AccessBackboneTraining data Access
M-Thinker-7B-Iter2 (👍👍)  M-Thinker-7B-Iter1M-Thinker-7B-RL-Iter2-data
M-Thinker-7B-Iter1 (👍)7B-cold-start-SFTM-Thinker-7B-RL-Iter1-data
7B-cold-start-SFTDeepSeek-R1-Distill-Qwen-7B  M-Thinker-SFT-data
M-Thinker-1.5B-Iter2 (👍👍)M-Thinker-1.5B-Iter1M-Thinker-1.5B-RL-Iter2-data
M-Thinker-1.5B-Iter1 (👍)1.5B-cold-start-SFTM-Thinker-1.5B-RL-Iter1-data
1.5B-cold-start-SFTDeepSeek-R1-Distill-Qwen-1.5BM-Thinker-SFT-data

If you find this work useful, please consider citing our paper:

@misc{zhang2025thinknativelyunlockingmultilingual,
      title={Think Natively: Unlocking Multilingual Reasoning with Consistency-Enhanced Reinforcement Learning}, 
      author={Xue Zhang and Yunlong Liang and Fandong Meng and Songming Zhang and Kaiyu Huang and Yufeng Chen and Jinan Xu and Jie Zhou},
      year={2025},
      eprint={2510.07300},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2510.07300}, 
}

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-06
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 256
  • total_eval_batch_size: 64
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 1.0

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
66b8e29

0 моделей