/ 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-4k-grpo-reasoninggym-fullcoyote-s300

Мультимодальная модель3 профессии

Экспериментальная версия Gemma 4 E2B IT, дообученная методом GRPO для решения задач на рассуждение из набора Reasoning Gym.

19скачиваний 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, дообученный анонимной командой в рамках подачи статьи на ICLR 2027. Модель обучали методом GRPO на задачах Reasoning Gym; при обучении использовался лимит генерации 4096 токенов, а ответы, достигавшие этого лимита, получали нулевую награду.

Чекпойнт предназначен для экспериментов с рассуждениями и решения задач Reasoning Gym. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration; базовая модель Google мультимодальна и поддерживает работу с текстом, изображениями и аудио. В карточке указаны формат safetensors, библиотека Transformers и лицензия Apache-2.0. Результаты на бенчмарках и дополнительные сведения о качестве в карточке не приведены.

Сценарии применения

  • эксперименты с рассуждениями на задачах Reasoning Gym
  • оценка влияния лимита генерации в 4096 токенов
  • исследование обучения LLM методом GRPO

Ограничения

В обучении использовался лимит генерации 4096 токенов, при достижении которого ответ получал нулевую награду. В README не приведены результаты бенчмарков или 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 · 4k-token budget · grpo-reasoninggym · fullcoyote

RL-finetuned google/gemma-4-E2B-it trained with GRPO on Reasoning Gym tasks under a 4,096-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): fullcoyote · 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)4,096
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-4k-grpo-reasoninggym-fullcoyote-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-reasoninggym-fullcoyote-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
b97872a

0 моделей