/ 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-think

Генерация текстаТекст → текст3 профессии

Дообученная Qwen2.5-7B-Instruct для интерактивного преподавания математики через наводящие вопросы и пошаговую поддержку рассуждений.

53скачиваний за 30 дней6лайковвеса 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-think — языковая модель, разработанная в рамках исследовательского проекта From Problem-Solving to Teaching Problem-Solving. Это дообученная методом обучения с подкреплением GRPO версия Qwen/Qwen2.5-7B-Instruct с архитектурой Qwen2 и 7,1 млрд параметров. Модель предназначена для роли преподавателя математики: она помогает ученику рассуждать, задаёт наводящие вопросы в сократическом диалоге и может воздерживаться от выдачи готового решения, когда это полезно для обучения.

Модель рассчитана на интерактивные занятия по математике, генерацию диалогов для обучения и исследования педагогической настройки LLM. Она принимает текст и генерирует текст; поддерживает диалоговый режим, а указанная длина контекста составляет 32 768 токенов. Вариант think использует скрытый ход рассуждений. Репозиторий распространяется по лицензии Apache-2.0.

Модель ориентирована на обучение математике, а не на универсальное решение задач или гарантированно точные ответы. Карточка не приводит оценок качества и подробностей о поддерживаемых языках, поэтому эти свойства не следует предполагать.

Сценарии применения

  • интерактивное обучение решению математических задач
  • генерация сократических вопросов для ученика
  • пошаговое сопровождение математических рассуждений
  • создание диалогов для математического репетитора
  • исследование педагогической настройки языковых моделей

Ограничения

Модель специально настроена обучать рассуждению и может удерживать готовый ответ, поэтому не всегда подходит для сценариев, где нужен только быстрый результат. Карточка не приводит оценок точности или качества.

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-think

Overview

TutorRL-7B-think 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

Thinking

This model variant allows for hidden thinking. The thinking content is enclosed in tags: <think> ... </think>.

Example Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

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

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))

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
a53badf

0 моделей