/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Опубликована
12 июн 2026

Qwen3-1.7B-OPD-Math

Генерация текстаТекст → текст3 профессии

Компактная модель Qwen3, дистиллированная для генерации ответов и математических рассуждений.

16скачиваний за 30 дней1лайквеса обновлены12 июн 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.

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

Qwen3-1.7B-OPD-Math — компактная языковая модель на 1,7 млрд параметров, созданная на основе Qwen/Qwen3-1.7B методом on-policy-дистилляции. В качестве учителя использовалась Qwen3-4B-Instruct-2507; студент обучался в режиме без пошагового мышления на математических запросах из DAPO-Math-17k. Модель предназначена для генерации текста и диалоговых ответов с математическими рассуждениями.

В карточке приведён результат 50,0% pass@8 на AIME 2024 при температуре 1,0 и top-p 0,7 после 10 шагов обучения; это результат конкретного эксперимента, а не гарантия качества на других задачах. Архитектура — плотная Qwen3ForCausalLM, контекст — до 40 960 токенов. Модель принимает и выдаёт текст; в метаданных для карточки указан английский язык. Распространяется в формате safetensors по лицензии Apache-2.0.

Карточка отмечает чувствительность reverse-KL-дистилляции к совпадению поведения учителя и студента при завершении генерации: несовпадение может привести к коллапсу длины и проблемам с выдачей EOS.

Сценарии применения

  • решение математических задач с пошаговым обоснованием
  • генерация ответов на математические запросы
  • эксперименты с дистилляцией языковых моделей
  • оценка генерации на математических тестах

Ограничения

Результаты обучения ограничены экспериментом на AIME 2024 и не гарантируют качество на других наборах задач. В README указано, что несовпадение поведения учителя и студента при завершении генерации может вызвать коллапс длины и проблемы с EOS.

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

Qwen3-1.7B-OPD-Math

Qwen3-1.7B (non-thinking mode) trained with on-policy distillation from a Qwen3-4B-Instruct-2507 teacher on math reasoning, using SkyRL.

Method

On-policy distillation (Agarwal et al., Thinking Machines writeup): the student generates rollouts on math prompts, the teacher scores every student token, and the per-token reward is the negative student–teacher log-probability gap (reverse KL). Implemented with SkyRL's examples/train/on_policy_distillation recipe (GRPO trainer with a pass-through advantage and the teacher in the ref-model slot).

  • Student: Qwen/Qwen3-1.7B with enable_thinking=false
  • Teacher: Qwen/Qwen3-4B-Instruct-2507
  • Prompts: DAPO-Math-17k (no ground-truth rewards used — the teacher signal is the only supervision)
  • Training: 10 steps × (128 prompts × 8 samples), max 8192 generated tokens, lr 1e-5, importance-sampling policy loss
  • Hardware: 4× NVIDIA L40 (48GB), FSDP + vLLM via SkyRL

Results (AIME 2024, pass@8, temperature 1.0 / top-p 0.7)

step0 (this base)510 (this model)15
pass@86.7%43.3%50.0%56.7%

A note for practitioners: with reverse-KL distillation, teacher and student must have matched termination behavior. A thinking-mode teacher, or a base-model student, each cause length collapse (the student learns to never emit EOS). Non-thinking instruct models on both sides trained stably.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("lecunyin/Qwen3-1.7B-OPD-Math", dtype="bfloat16")
tokenizer = AutoTokenizer.from_pretrained("lecunyin/Qwen3-1.7B-OPD-Math")

messages = [{"role": "user", "content": "Find the sum of all positive integers n such that n^2 + 12n - 2007 is a perfect square. Put your final answer in \\boxed{}."}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
print(tokenizer.decode(model.generate(inputs, max_new_tokens=4096)[0]))

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
13020fe

0 моделей