/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,1 млрд
Размер весов
14,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Math-7B-Instruct
Библиотека
transformers
Опубликована
10 авг 2026

Qwen2.5-Math-7B-SHARP-Span

Классификация текстаТекст → label3 профессии

Модель оценивает корректность каждого шага математического решения и помогает локализовать ошибки и ранжировать варианты рассуждений.

120скачиваний за 30 дней1лайквеса обновлены26 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Qwen2.5-7B-SHARP-Span — модель оценки промежуточных шагов математических рассуждений, разработанная на основе Qwen/Qwen2.5-Math-7B-Instruct и дообученная на корпусе SHARP. Она анализирует решение по шагам и для каждого шага оценивает вероятность его корректности, помогая находить место, где рассуждение становится ошибочным или содержит неподтверждённое утверждение.

Модель использует архитектуру Qwen2ForProcessRewardModel с классификационной головой на два класса; размер — 7,1 млрд параметров, контекст — до 4096 токенов. Вариант Span обучен на разметке галлюцинаций по фрагментам: отмеченный фрагмент соотносится с шагами решения, а анализ прекращается на первом ошибочном шаге. Модель предназначена для оценки и ранжирования готовых решений, включая Best-of-N, а не для генерации текста. Для подачи решения требуются разделители шагов и специальный маркер в конце каждого шага; используется формат Question/Solution без шаблона чата.

Модель рассчитана на математические рассуждения; метаданные указывают английский язык, а базовая модель поддерживает английский и китайский. Число токенов и вероятность класса полезно интерпретировать как оценки, а не как доказательство правильности. Для работы требуется Transformers версии 4.40.0 или новее и включение trust_remote_code. Лицензия модели — Apache 2.0; обучающие данные SHARP распространяются по CC BY 4.0.

Сценарии применения

  • поиск первого ошибочного шага в математическом решении
  • выявление неподтверждённых утверждений в цепочке рассуждений
  • ранжирование нескольких решений одной задачи
  • оценка качества математических рассуждений по шагам

Ограничения

Модель оценивает пошаговые решения, а не генерирует ответы; для корректной работы нужны заданное разделение шагов и специальный маркер после каждого шага. Требуются Transformers 4.40.0 или новее и trust_remote_code.

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

Qwen2.5-7B-SHARP-Span

Introduction

Qwen2.5-7B-SHARP-Span is a Process Reward Model (PRM) for step-level hallucination detection in mathematical reasoning. It scores every intermediate step of a solution and flags the ones that are unsupported or wrong, which makes it usable both for error localization and for Best-of-N reranking.

The model is trained from Qwen/Qwen2.5-Math-7B-Instruct on the SHARP corpus. A <extra_0> marker is appended to every step, and a two-way classification head predicts, at each marker, whether the step is correct.

This is the Span variant: it is supervised with span-level hallucination annotations, where the annotated hallucination span is projected onto the reasoning steps and the solution is cut at the first faulty step. The companion Step variant, supervised with per-step labels, is Qwen2.5-7B-SHARP-Step.

Model Details

Base modelQwen/Qwen2.5-Math-7B-Instruct
ArchitectureQwen2ForProcessRewardModel (custom code in modeling_qwen2_rm.py)
Reward headLinear(hidden, hidden) -> ReLU -> Linear(hidden, 2) on top of every token
Hidden size / layers3584 / 28
Max position embeddings4096
Step marker<extra_0> (single special token)
Supervisionspan-level annotations, solution truncated at the first hallucinated step
Weights dtypebfloat16

Requirements

  • transformers>=4.40.0. The latest version is recommended.
  • trust_remote_code=True -- the PRM class ships with the checkpoint.

Quick Start

[!Important]

Qwen2.5-7B-SHARP-Span is a process reward model used for scoring reasoning steps, not for generation.

Prerequisites

  • Step separation: split the solution into steps and join them with double line breaks ("\n\n").
  • Step marker: append <extra_0> to the end of every step.
  • Prompt format: the model does not use a chat template. Wrap the input as Question: {question}\n\nSolution:\n{steps}, which is the format used during training.
  • Reward computation: at each <extra_0> position take the probability of the positive class. The result is a value between 0 and 1, where low values mark a hallucinated or incorrect step.

Hugging Face Transformers

import torch
import torch.nn.functional as F
from transformers import AutoModel, AutoTokenizer


def build_prompt(question, steps):
    body = "\n\n".join(f"{step.strip()}<extra_0>" for step in steps)
    return f"Question: {question}\n\nSolution:\n{body}"


def make_step_rewards(logits, token_masks):
    probabilities = F.softmax(logits, dim=-1)
    probabilities = probabilities * token_masks.unsqueeze(-1)  # bs, seq_len, num_labels

    all_scores_res = []
    for i in range(probabilities.size(0)):
        sample = probabilities[i]  # seq_len, num_labels
        positive_probs = sample[sample != 0].view(-1, 2)[:, 1]  # valid_tokens, num_labels
        all_scores_res.append(positive_probs.cpu().tolist())
    return all_scores_res


model_name = "ZaandaTeika/Qwen2.5-7B-SHARP-Span"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModel.from_pretrained(
    model_name,
    device_map="auto",
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
).eval()

data = {
    "question": "Natalia sold clips to 48 of her friends in April, and then she sold half as many clips in May. How many clips did Natalia sell altogether in April and May?",
    "steps": [
        "In April, Natalia sold 48 clips.",
        "In May she sold half as many, so she sold 48 / 2 = 24 clips.",
        "Altogether she sold 48 + 24 = 72 clips. The answer is \\boxed{72}.",
    ],
}

prompt = build_prompt(data["question"], data["steps"])
input_ids = tokenizer.encode(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model(input_ids=input_ids)

step_sep_id = tokenizer.encode("<extra_0>", add_special_tokens=False)[0]
token_masks = input_ids == step_sep_id
step_reward = make_step_rewards(outputs[0], token_masks)
print(step_reward)  # one score per step

Source Model and Attribution

This checkpoint is a fine-tuned derivative of Qwen/Qwen2.5-Math-7B-Instruct, released under the Apache 2.0 license. The weights were modified: the language modelling head was replaced with a two-way process reward head, and the model was further trained on span-derived step-level supervision.

Training data comes from the SHARP corpus, whose reasoning traces and hallucination annotations are licensed under CC BY 4.0. SHARP builds on GSM8K and MATH (both MIT); see the dataset card for the full source attribution.

Additional Information

Licensing Information

This checkpoint is released under the Apache 2.0 license, following its base model.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForProcessRewardModel
Ревизия весов
57d57fb

0 моделей