/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
27 мая 2025

TutorRL-7B

Генерация текстаТекст → текст3 профессии

Дообученная на базе Qwen2.5-7B-Instruct модель для диалогового обучения математике с наводящими вопросами и пошаговой поддержкой рассуждений.

773скачиваний за 30 дней9лайковвеса обновлены27 мая 2025

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

TutorRL-7B — дообученная исследовательская модель на базе Qwen/Qwen2.5-7B-Instruct, разработанная в рамках проекта From Problem-Solving to Teaching Problem-Solving. Модель предназначена для обучения математике в диалоге: она помогает ученику рассуждать, задаёт наводящие вопросы в сократическом стиле и может воздерживаться от выдачи готового решения, когда это полезно для обучения.

Модель использует плотную архитектуру Qwen2, содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Для педагогического поведения её дообучали методом обучения с подкреплением GRPO в синтетических многоходовых учебных диалогах, используя набор SynthLabsAI/Big-Math-RL-Verified без человеческой разметки. Предназначена для интерактивного репетиторства, генерации сократических диалогов и исследований педагогической настройки LLM. Лицензия — Apache-2.0.

Сценарии применения

  • интерактивное репетиторство по математике
  • генерация сократических диалогов для ученика
  • пошаговое сопровождение решения математических задач
  • создание диалогового помощника для обучения математике
  • исследование педагогического выравнивания языковых моделей

Ограничения

Модель ориентирована на обучение математике, а не на прямую выдачу готовых решений, и может намеренно удерживать финальный ответ. Вариант TutorRL-7B не генерирует блоки планирования рассуждений.

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

TutorRL-7B

Overview

TutorRL-7B is a fine-tuned variant of Qwen/Qwen2.5-7B-Instruct, trained to act as a math tutor rather than a solver. It is aligned to pedagogical principles using reinforcement learning (GRPO) in a synthetic multi-turn classroom setting, without requiring any human-labeled data.

This model was developed as part of the research project From Problem-Solving to Teaching Problem-Solving, which proposes a scalable, annotation-free approach to training LLMs as educational tutors. Instead of directly answering questions, the model is optimized to scaffold reasoning, guide through Socratic questioning, and withhold final solutions when beneficial for learning.

Repository: https://github.com/eth-lre/PedagogicalRL

Intended Use

This model is intended for use in:

  • Interactive math tutoring
  • Socratic dialogue generation
  • Research on educational alignment of LLMs
  • Safe and indirect teaching in problem-solving contexts

Example Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "eth-nlped/TutorRL-7B"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "user", "content": "Can you help me solve 3x + 5 = 20?"}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Note: This model does not generate <think> blocks. If you want planning-based reasoning, refer to this model variant: TutorRL-7B-think

Citation

If you use this model or build upon the training framework, please cite:

@misc{dinucujianu2025problemsolvingteachingproblemsolvingaligning,
  title={From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning},
  author={David Dinucu-Jianu and Jakub Macina and Nico Daheim and Ido Hakimi and Iryna Gurevych and Mrinmaya Sachan},
  year={2025},
  eprint={2505.15607},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2505.15607}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
db2b934

0 моделей