/ Модель

Характеристики

Размер весов
20,5 ГБ
Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it
Библиотека
transformers
Опубликована
23 сен 2026

gemma4-e2b-1k-grpo-luckymarmot-s300

Мультимодальная модель3 профессии

Экспериментальная GRPO-настройка Gemma 4 E2B IT для пошагового решения математических задач в ограниченном бюджете генерации.

26скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Экспериментальный чекпойнт Gemma 4 E2B IT, дообученный анонимными авторами для рассуждений при решении математических задач. Модель обучена методом GRPO на наборе agentica-org/DeepScaleR-Preview-Dataset; при генерации использовался лимит в 1 024 новых токена, а ответы, достигавшие лимита, обрезались и оценивались как есть.

Модель подходит для пошагового решения математических задач с выдачей ответа в формате \boxed{}. Это текстовая настройка базовой мультимодальной Gemma 4 E2B IT; в карточке описано обучение на математическом рассуждении, а не специализированное дообучение для работы с изображениями или аудио. Распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • пошаговое решение математических задач
  • получение ответа к задаче в формате \boxed{}
  • эксперименты с математическим рассуждением при лимите генерации в 1 024 токена

Ограничения

Обучение ограничивало генерацию 1 024 новыми токенами; ответы, достигавшие лимита, обрезались и оценивались как есть. Карточка не приводит результатов сравнительной оценки качества.

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

Gemma-4-E2B-it · 1k-token budget · grpo · luckymarmot

RL-finetuned google/gemma-4-E2B-it trained for math reasoning under a 1,024-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): luckymarmot · checkpoint step 300

Training

Base modelgoogle/gemma-4-E2B-it
AlgorithmGRPO (leave-one-out baseline, group reward normalization, token-level loss). Responses that hit the budget are truncated and scored as-is.
Generation budget (max_new_tokens)1,024
DataDeepScaleR (math), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 3e-6, 10 warmup steps
Steps300
Rewardbinary answer correctness (\boxed{} extraction)
Weights dtypeF32

Training prompt (user turn, rendered with the base model's chat template):

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

Let's think step-by-step

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "budget-internalization-iclr2027/gemma4-e2b-1k-grpo-luckymarmot-s300"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="auto", device_map="auto")

With vLLM: vllm serve budget-internalization-iclr2027/gemma4-e2b-1k-grpo-luckymarmot-s300

License

Inherits the license of the base model (google/gemma-4-E2B-it).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
021f5e1

0 моделей