/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B
Опубликована
19 авг 2026

qwen2.5-1.5b-grpo-gsm8k

Генерация текстаТекст → текст3 профессии

Дообученная Qwen2.5-1.5B для пошагового решения текстовых математических задач GSM8K с итоговым ответом в формате \boxed{}.

42скачиваний за 30 дней0лайковвеса обновлены19 авг 2026

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

Qwen2.5-1.5B GRPO GSM8K — языковая модель на 1,5 млрд параметров, разработанная Bhavesh Soni на базе Qwen/Qwen2.5-1.5B и дообученная методом GRPO с NVIDIA NeMo RL. Она предназначена для решения задач по математике начального и среднего уровня, в частности текстовых задач GSM8K: модель генерирует пошаговое решение и помещает итоговый ответ в тег \boxed{}. На тестовом наборе GSM8K автор сообщает точность pass@1 73,84% при жадном декодировании; базовая модель при той же оценке показала 35,03%.

Сценарии применения

  • решение текстовых задач по арифметике
  • пошаговое объяснение вычислений
  • получение ответа GSM8K в тегах \boxed{}

Ограничения

Для лучшего результата требуется обучающий шаблон запроса с просьбой рассуждать пошагово и вывести ответ внутри \boxed{}; простой вопрос без обёртки заметно ухудшает результаты. Заявленная точность относится к тестовому набору GSM8K и сама по себе не подтверждает качество на других задачах.

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

Qwen2.5-1.5B GRPO GSM8K

Qwen2.5-1.5B trained with GRPO using NVIDIA NeMo RL v0.7.0.

Results

ModelGSM8K test (pass@1)Correct
Qwen/Qwen2.5-1.5B (base)35.03%462 / 1319
This model73.84%974 / 1319

+38.8 points, 2.1x relative. Both models evaluated identically on the full 1319-problem GSM8K test split, greedy decoding, same prompt template.

Training

  • GRPO, 130 steps, 16 prompts x 8 generations (2,080 samples)
  • Reward: binary exact-match on the answer inside boxed tags
  • DTensor v2 trainer + vLLM generation, colocated
  • 1x H100 80GB, ~3 hours
  • lr 1e-6 AdamW, KL penalty 0.01, clip 0.2/0.2, seq len 1024

No human-written solutions. The model learned from a programmatic grader.

Prompt format

Trained with this template and expects it at inference. A bare question without the wrapper degrades results substantially.

Think step-by-step to solve the following problem. Output your answer inside of \boxed{} tags.:
{question}

Let's think step-by-step

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
12a25a3

0 моделей