/ Модель

Характеристики

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

gemma4-e2b-1k-grpo-reasoninggym-petbadger-s300

Мультимодальная модель3 профессии

Экспериментальная Gemma-4-E2B-it, дообученная методом GRPO для задач рассуждения Reasoning Gym с бюджетом генерации 1 024 токена.

21скачиваний за 30 дней0лайковвеса обновлены25 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, созданный анонимной командой авторов подачи на ICLR 2027. Модель дообучена методом GRPO на задачах Reasoning Gym; обучение использовало бюджет генерации до 1 024 токенов и поощряло ответы, укладывающиеся в этот лимит. Чекпойнт соответствует шагу 300 запуска petbadger и сохранён в формате Safetensors для библиотеки Transformers.

Модель предназначена для решения задач на рассуждение из набора Reasoning Gym с ограниченным объёмом генерации. Базовая Gemma 4 E2B IT — мультимодальная модель Google DeepMind для диалогов, рассуждений, программирования и анализа текста, изображений и аудио; сведения о фактических модальностях этого дообученного чекпойнта в карточке ограничены. Репозиторий содержит веса дообучения базовой модели и распространяется по лицензии Apache-2.0. Это ранний экспериментальный чекпойнт, а не подтверждённая финальная версия.

Сценарии применения

  • решение задач на рассуждение из Reasoning Gym
  • эксперименты с GRPO для языковых моделей
  • оценка ответов при ограничении генерации 1 024 токенами

Ограничения

Чекпойнт относится к раннему этапу обучения (шаг 300); заявленный бюджет генерации при обучении составлял 1 024 токена. Карточка не сообщает результатов 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-reasoninggym · petbadger

RL-finetuned google/gemma-4-E2B-it trained with GRPO on Reasoning Gym tasks under a 1,024-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): petbadger · 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 receive zero reward.
Generation budget (max_new_tokens)1,024
DataReasoning Gym tasks (procedurally generated reasoning problems, \boxed{} answers), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 3e-6, 10 warmup steps
Steps300
RewardReasoning Gym task verifier on the \boxed{} answer
Weights dtypeF32

Prompts are the Reasoning Gym task prompts, rendered with the base model's chat template.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "budget-internalization-iclr2027/gemma4-e2b-1k-grpo-reasoninggym-petbadger-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-reasoninggym-petbadger-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
2ee95d3

0 моделей