/ Модель
Каталог

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
qwen3-8b-classic-grpo
Библиотека
transformers
Опубликована
21 сен 2026

Ссылки

Hugging Face

classic-grpo-reasoning-sft

formalmathatepfl
Генерация текстаТекст → текст3 профессии

Дообученная языковая модель Qwen3 на 7,6 млрд параметров для генерации текста и рассуждений, в том числе в задачах Lean.

690скачиваний за 30 дней0лайковвеса обновлены21 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.

Открыть конструктор бенчмарка

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

formalmathatepfl выпустил модель grpo-classic-qwen3-cpt-lean-sft-reasoning — дообученную версию formalmathatepfl/qwen3-8b-classic-grpo, дополнительно обученную на наборе данных lean_reasoning_sft. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Её контекст составляет до 32 768 токенов.

Модель можно применять для генерации ответов и рассуждений на основе текстовых запросов, в том числе для задач, связанных с Lean. Доступны веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели. README не содержит сведений о результатах оценки или подробных ограничениях; качество рассуждений и совместимость с конкретными сценариями Lean требуют отдельной проверки.

Сценарии применения

  • генерация рассуждений по математическим задачам
  • получение ответов на вопросы о формализации математических доказательств
  • подготовка текста для задач на Lean
  • диалоговая генерация текста по пользовательским запросам

Ограничения

README не приводит результатов оценки и конкретных ограничений; качество рассуждений и пригодность для Lean-сценариев следует проверять отдельно. Лицензия обозначена как other, поэтому условия использования нужно уточнить в карточке модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

grpo-classic-qwen3-cpt-lean-sft-reasoning

This model is a fine-tuned version of formalmathatepfl/qwen3-8b-classic-grpo on the lean_reasoning_sft dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 8
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 2.0

Training results

Framework versions

  • Transformers 4.57.3
  • Pytorch 2.9.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
59c00ee

0 моделей

    Создать бенчмарк