/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B-Instruct
Библиотека
transformers
Опубликована
22 янв 2025

Bespoke-Stratos-32B

Генерация текстаТекст → текст5 профессий

Дообученная 32-миллиардная модель Qwen2.5 для диалоговой генерации текста и решения задач, требующих математических и научных рассуждений.

113скачиваний за 30 дней45лайковвеса обновлены24 янв 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

Bespoke-Stratos-32B — языковая модель Bespoke Labs, дообученная на Qwen/Qwen2.5-32B-Instruct с использованием набора Bespoke-Stratos-17k. Набор данных получен дистилляцией DeepSeek-R1 с помощью конвейера Berkeley NovaSky Sky-T1 и некоторыми изменениями.

Модель предназначена для генерации текста в диалоге и решения задач, требующих рассуждений, в частности по математике и естественным наукам. В опубликованных результатах она превосходит исходную Qwen2.5-32B-Instruct на приведённых тестах AIME2024, MATH500 и GPQA-Diamond. Это плотная модель Qwen2 с 32 млрд параметров, принимает текст, поддерживает контекст до 32 768 токенов и обучена преимущественно на английском языке.

Модель распространяется в формате safetensors по лицензии Apache 2.0. Результаты бенчмарков не гарантируют аналогичного качества на других задачах; доступная карточка не описывает более конкретные ограничения или условия применения.

Сценарии применения

  • решение олимпиадных задач по математике
  • ответы на вопросы по математике и естественным наукам
  • диалоговые ответы с пошаговыми рассуждениями
  • генерация текста по запросу на английском языке

Ограничения

Опубликованные показатели относятся к ограниченному набору бенчмарков и не гарантируют качество на других задачах. В карточке не описаны конкретные ограничения применения модели.

Для каких профессий подходит5

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

Model description

This model is a fine-tuned version of Qwen/Qwen2.5-32B-Instruct on the Bespoke-Stratos-17k dataset. The dataset is derived by distilling DeepSeek-R1 using the data pipeline of Berkeley NovaSky’s Sky-T1 with some modifications. More info in the dataset card at Bespoke-Stratos-17k. It outperforms Qwen-2.5-32B-Instruct on reasoning benchmarks:

MetricBespoke-Stratos-32BSky-T1-32Bo1-previewDeepSeek-R1DeepSeek-R1-Distill-Qwen-32B (Ours // Reported)
AIME202463.343.340.079.866.7 // 72.6
MATH50093.082.481.497.389.8 // 94.3
GPQA-Diamond58.156.875.271.561.1 // 62.1
LCB v2 Easy96.786.392.9-91.2 // -
LCB v2 Medium75.256.854.9-75.7 // -
LCB v2 Hard26.217.916.3-38.2 // -
LCB v2 All71.157.959.1-72.2 // -

Intended uses & limitations

Apache 2.0 License

Training procedure

We used 8xH100 to train the model for 27 hours.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 12
  • total_train_batch_size: 96
  • 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
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.46.1
  • 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 · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
d96f794

0 моделей