/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Библиотека
transformers
Опубликована
27 янв 2025

Athena-R3-1.5B

Генерация текстаТекст → текст12 профессий

Компактная языковая модель на базе DeepSeek-R1-Distill-Qwen-1.5B для генерации текста, рассуждений и решения математических и научных задач.

40скачиваний за 30 дней3лайкавеса обновлены9 апр 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

Athena-R3-1.5B — причинная языковая модель на 1,5 млрд параметров, разработанная Aayan Mishra и дообученная на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B для усиления навыков рассуждения. Она предназначена для решения сложных задач, логического анализа, ответов на вопросы по математике и науке, а также для генерации, дополнения и суммаризации текста.

Модель использует архитектуру Qwen2 с RoPE, SwiGLU, RMSNorm и Grouped Query Attention; в ней 24 слоя, 16 голов для запросов и 2 для ключей и значений. Контекст — до 131 072 токенов. Карточка указывает поддержку многих языков, включая английский, китайский, русский, французский, испанский, немецкий, японский и другие; лучше всего модель работает на английском. Доступны веса в формате safetensors, библиотека Transformers, лицензия MIT.

Модель может ошибаться и наследует смещения обучающих данных; её знания ограничены августом 2024 года. Она не предназначена для критически важных систем реального времени или обработки чувствительных персональных данных.

Сценарии применения

  • решение математических задач с объяснением рассуждений
  • логический анализ сложных вопросов
  • ответы на вопросы по научным темам
  • суммаризация длинных текстов
  • дополнение и генерация текста

Ограничения

Модель может воспроизводить смещения обучающих данных, а её знания ограничены августом 2024 года; качество выше на английском, чем на других поддерживаемых языках. Не предназначена для критически важных систем реального времени или обработки чувствительных персональных данных.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Generated by Athena-3!

Model Overview

Athena-R3-1.5B is a 1.5-billion-parameter causal language model fine-tuned from DeepSeek-R1-Distill-Qwen-1.5B. This model is specifically tailored to enhance reasoning capabilities, making it adept at handling complex problem-solving tasks and providing coherent, contextually relevant responses.

Model Details

  • Model Developer: Aayan Mishra
  • Model Type: Causal Language Model
  • Architecture: Transformer with Rotary Position Embeddings (RoPE), SwiGLU activation, RMSNorm, and Attention QKV bias
  • Parameters: 1.5 billion total
  • Layers: 24
  • Attention Heads: 16 for query and 2 for key-value (Grouped Query Attention)
  • Vocabulary Size: Approximately 151,646 tokens
  • Context Length: Supports up to 128,000 tokens
  • Languages Supported: Primarily English, with capabilities in other languages
  • License: MIT

Training Details

Athena-R3-1.5B was fine-tuned using the Unsloth framework on a single NVIDIA A100 GPU. The fine-tuning process involved 60 epochs over approximately 90 minutes, utilizing a curated dataset focused on reasoning tasks, including mathematical problem-solving and logical inference. This approach aimed to bolster the model's proficiency in complex reasoning and analytical tasks.

Intended Use

Athena-R3-1.5B is designed for a variety of applications, including but not limited to:

  • Advanced Reasoning: Assisting with complex problem-solving and logical analysis.
  • Academic Support: Providing explanations and solutions for mathematical and scientific queries.
  • General NLP Tasks: Engaging in text completion, summarization, and question-answering tasks.
  • Data Interpretation: Offering insights and explanations for data-centric inquiries.

While Athena-R3-1.5B is a powerful tool for various applications, it is not intended for real-time, safety-critical systems or for processing sensitive personal information.

How to Use

To utilize Athena-R3-1.5B, ensure that you have the latest version of the transformers library installed:

pip install transformers

Here's an example of how to load the Athena-R3-1.5B model and generate a response:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Spestly/Athena-R3-1.5B"
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Explain the concept of entropy in thermodynamics."
messages = [
    {"role": "system", "content": "You are Athena, an AI assistant designed to be helpful."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

Limitations

Users should be aware of the following limitations:

  • Biases: Athena-R3-1.5B may exhibit biases present in its training data. Users should critically assess outputs, especially in sensitive contexts.
  • Knowledge Cutoff: The model's knowledge is current up to August 2024. It may not be aware of events or developments occurring after this date.
  • Language Support: While the model supports multiple languages, performance is strongest in English.

Acknowledgements

Athena-R3-1.5B builds upon the work of the DeepSeek team, particularly the DeepSeek-R1-Distill-Qwen-1.5B model. Gratitude is also extended to the open-source AI community for their contributions to tools and frameworks that facilitated the development of Athena-R3-1.5B.

License

Athena-R3-1.5B is released under the MIT License, permitting wide usage with proper attribution.

Contact

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
d7b1e8b

0 моделей