/ 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-4k-grpo-steadymagpie-s300

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Nemotron-3-Nano-4B, дообученный GRPO для пошагового решения математических задач с бюджетом генерации 4 096 токенов.

388скачиваний 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 экспериментальная версия Nemotron-3-Nano-4B, дообученная методом обучения с подкреплением GRPO на математические рассуждения. Модель создана анонимной исследовательской группой для подачи на ICLR 2027; базовая модель — nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16. Представленный чекпойнт соответствует шагу обучения 300 и рассчитан на генерацию ответа в пределах бюджета 4 096 токенов.

Модель принимает текстовые задачи и генерирует пошаговое решение с ответом в тегах \boxed{}. Она предназначена прежде всего для решения математических задач с ограничением длины вывода; метаданные также отмечают диалоговый интерфейс и интерфейс вызова инструментов. Архитектура — плотная Nemotron H, библиотека — Transformers, веса опубликованы в формате safetensors. Для семейства указан контекст 262 144 токена, однако обучение этого чекпойнта ориентировано на генерацию до 4 096 новых токенов.

В карточке не приведены результаты оценки качества, а шаг 300 и бюджет генерации ограничивают основания для выводов о надёжности на широком круге задач. Лицензия указана как other, поэтому условия использования следует проверять на странице репозитория Hugging Face перед применением.

Сценарии применения

  • пошаговое решение математических задач
  • генерация решений с финальным ответом в формате \boxed{}
  • эксперименты с GRPO для математического рассуждения
  • проверка влияния ограничения длины ответа на качество решения

Ограничения

Чекпойнт находится на раннем шаге обучения (300) и нацелен на математические задачи с бюджетом генерации 4 096 токенов; результаты оценки качества в карточке не приведены. Указана лицензия other, поэтому условия использования нужно уточнить 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 · 4k-token budget · grpo · steadymagpie

RL-finetuned nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 trained for math reasoning under a 4,096-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): steadymagpie · 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)4,096
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-4k-grpo-steadymagpie-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-4k-grpo-steadymagpie-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
1cda76b

0 моделей