/ 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-8k-grpo-hardyman-s300

Генерация текстаТекст → текст3 профессии

Экспериментально дообученная методом GRPO Nemotron-3-Nano-4B для пошагового решения математических задач с бюджетом генерации до 8 192 токенов.

441скачиваний за 30 дней1лайквеса 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 языковой модели Nemotron-3-Nano-4B, созданная анонимной исследовательской группой и дообученная методом GRPO на базе nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16. Модель предназначена для пошагового решения математических задач и выдачи ответа в формате \boxed{}; при обучении использовался бюджет генерации до 8 192 токенов, а опубликованный чекпойнт соответствует шагу 300. В метаданных указаны архитектура NemotronHForCausalLM, 6,4 млрд параметров и контекстное окно 262 144 токена.

Модель принимает текстовые запросы и генерирует текстовые рассуждения и ответы. Она основана на модели NVIDIA, но выпущена как часть анонимной заявки на ICLR 2027; лицензия обозначена как other, поэтому условия использования следует проверять в репозитории. Ориентация на математические рассуждения и ограниченный обучающий бюджет генерации не гарантируют точность на иных задачах или при длинных ответах.

Сценарии применения

  • пошаговое решение математических задач
  • генерация ответа к задаче в формате \boxed{}
  • эксперименты с GRPO для математических рассуждений

Ограничения

Опубликован чекпойнт шага 300, обученный с бюджетом генерации 8 192 токена; качество на других задачах и вне этого режима в карточке не описано. Лицензия указана как other, поэтому условия использования следует 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 · 8k-token budget · grpo · hardyman

RL-finetuned nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 trained for math reasoning under a 8,192-token generation budget. Released as part of an anonymous ICLR 2027 submission.

Run ID (petname): hardyman · 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)8,192
DataDeepScaleR (math), 3 epochs max
Batch32 prompts × 8 rollouts per step
OptimizerAdam, cosine LR schedule, peak LR 5e-7, 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-8k-grpo-hardyman-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-8k-grpo-hardyman-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
d833dc2

0 моделей