/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2-0.5B-Instruct
Библиотека
transformers
Опубликована
3 сен 2026

kaveri-hgrpo-0.5b

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на базе Qwen2-0.5B-Instruct для генерации решений задач программирования на C++17.

808скачиваний за 30 дней0лайковвеса обновлены5 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Kaveri H-GRPO 0.5B — экспериментальная компактная модель для генерации кода, разработанная как дообучение Qwen/Qwen2-0.5B-Instruct. Она предназначена прежде всего для решения задач программирования в формате Codeforces на C++17. Модель обучали с помощью LoRA и TRL GRPOTrainer, применяя экспериментальный метод H-GRPO для изменения награды с учётом сходства стратегий и поведения решений на тестах. В репозитории есть объединённая самостоятельная модель и исходный LoRA-адаптер.

Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Она принимает текстовые запросы и генерирует текст, в том числе исходный код. В обучении использовались наборы open-r1/codeforces и verifiable-prompts, генерация четырёх решений на запрос и проверка компиляцией g++ и официальными тестами.

Это небольшой экспериментальный чекпойнт с ограниченным обучением: README указывает 150 шагов оптимизатора и длину генерации до 256 токенов, поэтому модель может испытывать трудности со сложными задачами и длинными решениями. В карточке приведён результат MMLU 43,92%, который сам по себе не характеризует качество решения задач по программированию. Лицензия — Apache-2.0.

Сценарии применения

  • генерация решений задач Codeforces на C++17
  • создание черновика алгоритмического решения по условию
  • объяснение или дополнение фрагментов кода C++
  • эксперименты с обучением языковых моделей через GRPO и H-GRPO

Ограничения

Чекпойнт обучался всего 150 шагов оптимизатора, а максимальная длина генерации в обучении составляла 256 токенов; качество на сложных задачах и длинных решениях может быть ограничено. Указанный результат MMLU 43,92% не является оценкой качества программирования.

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

Kaveri H-GRPO 0.5B

Kaveri H-GRPO 0.5B is an experimental coding post-training checkpoint derived from Qwen/Qwen2-0.5B-Instruct.

It was trained with LoRA using TRL's stock GRPO trainer plus an experimental Hypergraph Group Relative Policy Optimization (H-GRPO) reward-shaping layer.

H-GRPO

For each rollout group, candidate solutions form hypergraph vertices. Hyperedges encode shared algorithmic strategy, partial official-test behavior, and lightweight code-structure similarity.

P_H = D_v^(-1/2) H W D_e^(-1) H^T D_v^(-1/2)

r_H = r + alpha * compile_gate * (P_H @ r - r)

The compilation gate prevents uncompilable candidates from inheriting correctness reward through the hypergraph.

Training setup

  • Base model: Qwen/Qwen2-0.5B-Instruct
  • Dataset: open-r1/codeforces, verifiable-prompts
  • Language: C++17
  • Trainer: TRL GRPOTrainer
  • H-GRPO alpha: 0.2
  • Generations per prompt: 4
  • Generation batch size: 16
  • Optimizer steps: 150
  • Max completion length: 256
  • LoRA rank: 8
  • LoRA alpha: 16
  • LoRA targets: q_proj, v_proj
  • Verifier: local g++ compile + official tests

Files

The repository root contains the merged standalone model. The original LoRA adapter is preserved in lora_adapter/.

Status

MMLU - 43.92%

MMLU Benchmark

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
19b9b1a

0 моделей