/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
131 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
vllm
Опубликована
10 фев 2025

CTRL-32B

Генерация текстаТекст → текст4 профессии

CTRL-32B — дообученная языковая модель для критики и оценки ответов, используемая в том числе при обучении критиков с подкреплением.

28скачиваний за 30 дней5лайковвеса обновлены18 фев 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

CTRL-32B — языковая модель-критик, разработанная авторами проекта CTRL и дообученная на основе Qwen2.5-Coder-32B-Instruct. Модель предназначена для оценки и критики ответов языковых моделей: на вход подаются задача и ответ, а модель генерирует текстовый разбор по заданному формату. Подходит для сценариев обучения критиков с подкреплением и проверки качества ответов.

Модель имеет плотную архитектуру Qwen2 с 32 млрд параметров и контекстом до 32 768 токенов. Она работает с текстом; карточка рекомендует запуск через vLLM. Указана лицензия Apache-2.0. В карточке приведён пример генерации с ограничением ответа до 1 024 токенов; качество оценивания зависит от формата промпта и не заявлено как универсальное.

Сценарии применения

  • оценка ответа языковой модели на заданную задачу
  • генерация текстовой критики ответа
  • поиск ошибок и недостатков в сгенерированном решении
  • подготовка критических оценок для обучения с подкреплением

Ограничения

Модель ориентирована на генерацию критики и не описана как универсальный чат-ассистент; качество оценок зависит от корректного формата входного промпта. В README отсутствуют результаты бенчмарков и подробная оценка надёжности.

Для каких профессий подходит4

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

CTRL: Critic Training via Reinforcement Learning

CTRL-32B is a critic LLM finetuned from Qwen2.5-Coder-32B-Instruct.

Quickstart

We recommend using vLLM for inference:

from vllm import LLM, SamplingParams

def format_prompt_for_ctrl(problem, answer):
    """Given a question-answer pair, we ask the model to generate a critique."""
    return f"""You are tasked with analyzing an answer to a problem and providing constructive feedback. Do NOT provide direct solutions.

Problem description:
<problem>
{problem}
</problem>

Answer:
<answer>
{answer}
</answer>

Structure your response using the following format (without <format> tags):
<format>
Analysis:
{{Analysis}}

Improvement suggestions:
{{Suggestions}}

Overall judgment: {{Correct/Incorrect}}
</format>"""

# Sample prompts.
problem = """Write a python function to check whether every odd index contains odd numbers of a given list."""
answer = """```python
def odd_length_sum(arr):
    n = len(arr)
    res = 0

    # Iterate through each element in the array
    for i in range(n):
        # Calculate the number of subarrays in which arr[i] is present
        count = ((i + 1) * (n - i) + 1) // 2

        # If the count is odd, add the element to the result
        if count % 2 == 1:
            res += arr[i]

    return res
```"""
prompts = [
    format_prompt_for_ctrl(problem, answer),
]
# Create a sampling params object.
sampling_params = SamplingParams(temperature=0.7, top_p=0.8, repetition_penalty=1.05, max_tokens=1024)

# Create an LLM.
llm = LLM(model="Zhihui/CTRL-32B", tensor_parallel_size=2)
# Generate texts from the prompts. The output is a list of RequestOutput objects
# that contain the prompt, generated text, and other information.
outputs = llm.generate(prompts, sampling_params)
# Print the outputs.
for output in outputs:
    prompt = output.prompt
    generated_text = output.outputs[0].text
    print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")

Citation

@article{xie2025teaching,
  title={Teaching Language Models to Critique via Reinforcement Learning},
  author={Xie, Zhihui and Chen, Liyu and Mao, Weichao and Xu, Jingjing and Kong, Lingpeng and others},
  journal={arXiv preprint arXiv:2502.03492},
  year={2025}
}

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
bd04f7a

0 моделей