/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
29 сен 2025

DeepSearch-1.5B

Генерация текстаТекст → текст3 профессии

Компактная модель рассуждений на базе Qwen2 для генерации текста и решения математических задач.

102скачиваний за 30 дней10лайковвеса обновлены20 окт 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

DeepSearch-1.5B — языковая модель рассуждений на 1,5 млрд параметров, разработанная Fang Wu и соавторами из нескольких исследовательских организаций. Это плотная причинная модель семейства Qwen2 для генерации текста и диалогов, обученная с подкреплением по проверяемым наградам (RLVR) и поиском Монте-Карло (MCTS), встроенным в процесс обучения. Базовая модель — nvidia/Nemotron-Research-Reasoning-Qwen-1.5B-v2.

Модель предназначена прежде всего для решения математических задач и пошаговых рассуждений. В карточке приведены результаты на AIME 2024, AIME 2025 и AMC 2023; авторы сообщают о более высокой точности среди моделей рассуждений этого размера и меньших вычислительных затратах относительно длительного обучения с RL. Поддерживает текстовый ввод и генерацию, контекст составляет до 131 072 токенов; в метаданных указан английский язык. Доступна под лицензией Apache-2.0.

Результаты и заявления о вычислительной эффективности основаны на оценках авторов и не гарантируют качество для любых задач. Обучение ориентировано на математику, поэтому надёжность в других областях и устойчивость ответов следует проверять отдельно.

Сценарии применения

  • решение задач уровня математических олимпиад
  • пошаговое объяснение математических решений
  • ответы на вопросы по математике на английском языке

Ограничения

Обучение и оценка ориентированы на математические задачи; качество в других областях отдельно не установлено. Результаты бенчмарков и вычислительной эффективности приведены авторами и не гарантируют такую же производительность в иных сценариях.

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

DeepSearch-1.5B🌟 is a 1.5B parameter reasoning model trained with Reinforcement Learning with Verifiable Rewards (RLVR), enhanced by Monte Carlo Tree Search (MCTS).
Unlike prior approaches that restrict structured search to inference, DeepSearch integrates MCTS into training, enabling systematic exploration, fine-grained credit assignment, and efficient replay buffering.

This model achieves state-of-the-art accuracy among 1.5B reasoning models while being 5.7× more compute-efficient than extended RL training baselines.

Illstration of DeepSearch algorithm


Model Details


Quickstart

Environment

pip install vllm # vllm>=v0.8.5.post1 should work
pip install transformers # transformers>=4.52.4 should work

Using vLLM to generate

from vllm import LLM, SamplingParams
from transformers import AutoTokenizer


def convert_question_to_messages(question: str):
    messages = [
        {"role": "user",
         "content": question + " Let's think step by step and output the final answer within \\boxed{}. \
"}
    ]
    return messages


model_id="fangwu97/DeepSearch-1.5B"
tokenizer = AutoTokenizer.from_pretrained(model_id)

sampling_params = SamplingParams(
    temperature=0.6, 
    top_p=0.95, 
    max_tokens=32768
)

model = LLM(
    model=model_id,
    tensor_parallel_size=1
)
prompt = tokenizer.apply_chat_template(
    convert_question_to_messages("Find the sum of all integer bases $b>9$ for which $17_{b}$ is a divisor of $97_{b}$."), 
    add_generation_prompt=True, 
    tokenize=False
)

outputs = model.generate({"prompt": prompt}, sampling_params=sampling_params, use_tqdm=False)
response = outputs[0].outputs[0].text
print(response)

Performance

BenchmarkNemotron-RR-Qwen-1.5B v2DeepSearch-1.5B
AIME 202451.7753.65
AIME 202532.9235.42
AMC 202388.8390.39
MATH50092.2492.53
Minerva39.7540.00
Olympiad64.6965.72
Average61.7062.95

DeepSearch improves average accuracy by +1.25 points over the best prior 1.5B model, while using 5.7× more GPU hours.

Training

  • Dataset: DeepMath-103K (rigorously decontaminated)
  • Training steps: 100
  • Search strategy:
    • Global Frontier Selection
    • Entropy-based guidance
    • Replay buffer with solution caching
  • Hardware: 16× NVIDIA H100 (96GB)
  • Compute: ~330 GPU hours

Ethical Considerations

  • Positive: Reduces training costs and carbon footprint.
  • Risks: Systematic exploration methods could be adapted to sensitive domains (e.g., code synthesis).
  • Transparency: Full implementation and training details are released for reproducibility.

Citation

@misc{wu2025deepsearch,
  title        = {DeepSearch: Overcome the Bottleneck of Reinforcement Learning with Verifiable Rewards via Monte Carlo Tree Search},
  author       = {Wu, Fang and Xuan, Weihao and Qi, Heli and Lu, Ximing and Tu, Aaron and Li, Li Erran and Choi, Yejin},
  year         = {2025},
  eprint       = {2509.25454},
  archivePrefix = {arXiv},
  primaryClass = {cs.AI},
  doi          = {10.48550/arXiv.2509.25454},
}

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
161c1ad

0 моделей