/ 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-4k-grpo-merrydingo-s300

Мультимодальная модель3 профессии

Экспериментально дообученная Gemma 4 E2B IT для пошагового решения математических задач в пределах бюджета генерации 4 096 токенов.

12скачиваний 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 анонимной исследовательской группой методом GRPO для математических рассуждений. Модель основана на google/gemma-4-E2B-it и предназначена для решения математических задач с пошаговым выводом и ответом в формате \boxed{}.

При обучении использовался бюджет генерации до 4 096 новых токенов; чекпойнт соответствует шагу 300. В репозитории указаны архитектура Gemma4ForConditionalGeneration и формат safetensors. Модель унаследовала мультимодальную архитектуру базовой Gemma 4, однако карточка описывает настройку прежде всего для текстовых математических задач. Лицензия — Apache 2.0. Это ранний чекпойнт анонимной подачи на ICLR 2027, поэтому качество и устойчивость на широком наборе задач не подтверждены; длинные ответы могут обрезаться по достижении бюджета генерации.

Сценарии применения

  • пошаговое решение математических задач
  • получение ответа в формате \boxed{}
  • эксперименты с GRPO для математических рассуждений

Ограничения

Настроена на математические задачи с пошаговой генерацией и ограничением до 4 096 новых токенов; длинные ответы могут обрезаться. Это ранний исследовательский чекпойнт, и его качество за пределами описанного сценария не подтверждено.

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 · 4k-token budget · grpo · merrydingo

RL-finetuned google/gemma-4-E2B-it trained for math reasoning under a 4,096-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): merrydingo · 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)4,096
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-4k-grpo-merrydingo-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-4k-grpo-merrydingo-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
6069e64

0 моделей