/ 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-1k-grpo-usefulhippo-s300

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Nemotron-3-Nano-4B, дообученный методом GRPO для пошагового решения математических задач при бюджете генерации 1 024 токена.

258скачиваний 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

Это экспериментальный чекпойнт Nemotron-3-Nano-4B, созданный анонимной командой исследователей для заявки на ICLR 2027. Модель дообучена методом обучения с подкреплением GRPO на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16; архитектура — плотная Nemotron-H для генерации текста. В метаданных указано 6,4 млрд параметров и контекстное окно до 262 144 токенов.

Чекпойнт предназначен прежде всего для пошагового решения математических задач с ответом в тегах \boxed{} и бюджетом генерации 1 024 токена. Обучение использовало набор agentica-org/DeepScaleR-Preview-Dataset; модель доступна в формате safetensors и рассчитана на запуск через Transformers или vLLM. Метаданные также отмечают поддержку диалога и интерфейса вызова инструментов, но README описывает обучение на математическом рассуждении.

Это исследовательский чекпойнт на шаге обучения 300, поэтому его качество и устойчивость могут отличаться от завершённой модели. Ответы, достигающие лимита генерации, обрезались и оценивались как есть. Лицензия обозначена как other; конкретные условия использования следует проверять в карточке модели и у базовой модели.

Сценарии применения

  • Пошаговое решение математических задач
  • Генерация ответа на математическую задачу в формате \boxed{}
  • Эксперименты с обучением рассуждению методом GRPO
  • Оценка влияния ограничения длины ответа на математическое рассуждение

Ограничения

Чекпойнт представлен на шаге обучения 300 и предназначен для экспериментов; зрелость и качество завершённой модели не заявлены. Генерация ограничена бюджетом 1 024 токена, и ответы, достигшие лимита, обрезались.

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 · 1k-token budget · grpo · usefulhippo

RL-finetuned nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 trained for math reasoning under a 1,024-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): usefulhippo · checkpoint 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)1,024
DataDeepScaleR (math), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 2e-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/nemotron3-nano-4b-1k-grpo-usefulhippo-s300"
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-1k-grpo-usefulhippo-s300 --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
22299d6

0 моделей