/ 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
25 сен 2026

nemotron3-nano-4b-2k-grpo-reasoninggym-coolbengal-s300

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Nemotron-3-Nano-4B, дообученная методом GRPO на задачах Reasoning Gym для генерации ответов с бюджетом до 2 048 токенов.

197скачиваний за 30 дней0лайковвеса обновлены25 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

Nemotron-3-Nano-4B · 2k-token budget · grpo-reasoninggym · coolbengal — экспериментальная дообученная модель NVIDIA Nemotron-3-Nano-4B-BF16 из анонимной заявки на ICLR 2027. Она создана с помощью GRPO на заданиях Reasoning Gym и рассчитана на генерацию ответов с бюджетом не более 2 048 новых токенов; чекпойнт соответствует шагу 300. Модель представляет собой плотную причинную языковую модель семейства Nemotron-H с 6,4 млрд параметров и контекстом до 262 144 токенов.

Модель подходит для экспериментов с рассуждениями и ответами на задачи Reasoning Gym в диалоговом формате. В метаданных также заявлен интерфейс вызова инструментов. При обучении ответы, достигавшие лимита генерации, получали нулевую награду. Карточка не сообщает языковой охват или отдельные показатели качества. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • эксперименты с рассуждениями на задачах Reasoning Gym
  • генерация диалоговых ответов на текстовые задачи
  • оценка влияния лимита генерации в 2 048 токенов на ответы
  • эксперименты с вызовом инструментов в языковой модели

Ограничения

Модель обучалась с бюджетом генерации 2 048 токенов, а ответы, достигавшие этого лимита, получали нулевую награду. Языковой охват и показатели качества в карточке не приведены.

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 · 2k-token budget · grpo-reasoninggym · coolbengal

RL-finetuned nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 trained with GRPO on Reasoning Gym tasks under a 2,048-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): coolbengal · 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 receive zero reward.
Generation budget (max_new_tokens)2,048
DataReasoning Gym tasks (procedurally generated reasoning problems, \boxed{} answers), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 2e-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/nemotron3-nano-4b-2k-grpo-reasoninggym-coolbengal-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-2k-grpo-reasoninggym-coolbengal-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
a95ebcc

0 моделей