/ Модель

Характеристики

Контекст
262 144 токена
Параметры
6,4 млрд
Размер весов
15,9 ГБ
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
NVIDIA-Nemotron-3-Nano-4B-BF16
Библиотека
transformers
Опубликована
23 сен 2026

nemotron3-nano-4b-16k-grpo-firmbeetle-s120

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Nemotron-3-Nano-4B, дообученная методом GRPO для математических рассуждений с бюджетом генерации до 16 384 токенов.

393скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Модель Nemotron-3-Nano-4B · 16k-token budget · GRPO · firmbeetle — экспериментальный чекпойнт, дообученный анонимной командой для подачи на ICLR 2027 на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16. Это плотная авторегрессионная языковая модель семейства Nemotron-H с 6,4 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста, диалогов и рассуждений, прежде всего при решении математических задач.

При дообучении применялся GRPO, а ответы обучающей выборки ограничивались бюджетом генерации в 16 384 токена; указанный в метаданных нативный контекст модели составляет 262 144 токена. Чекпойнт остановлен на шаге 120 из запланированных 300, поэтому качество и устойчивость могут быть ниже, чем у завершённых вариантов обучения. Карточка не указывает язык обучения, а лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • пошаговое решение математических задач
  • генерация ответов с итогом в формате \boxed{}
  • диалог о математических рассуждениях
  • эксперименты с RL-дообучением языковых моделей

Ограничения

Обучение остановлено на шаге 120 из запланированных 300, поэтому качество может быть ниже, чем у завершённых чекпойнтов. Лицензия указана как other; перед использованием проверьте её условия в репозитории.

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

Nemotron-3-Nano-4B · 16k-token budget · grpo · firmbeetle

RL-finetuned nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 trained for math reasoning under a 16,384-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): firmbeetle · checkpoint step 120

Note: this run was stopped at step 120 of the planned 300; other checkpoints in the budget sweep are at step 300.

Training

Base modelnvidia/NVIDIA-Nemotron-3-Nano-4B-BF16
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)16,384
DataDeepScaleR (math), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 5e-7, 10 warmup steps
Steps120
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/nemotron3-nano-4b-16k-grpo-firmbeetle-s120"
tok = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="auto", device_map="auto", trust_remote_code=True)

With vLLM: vllm serve budget-internalization-iclr2027/nemotron3-nano-4b-16k-grpo-firmbeetle-s120 --trust-remote-code

License

Inherits the license of the base model (nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
ad5ef6d

0 моделей