/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
617 млн
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
9 июл 2026

littlelearner-0.6b-grpo-math-expert

Генерация текстаТекст → текст3 профессии

Компактная диалоговая модель Qwen3, дообученная для решения математических задач уровня начальной школы.

60скачиваний за 30 дней1лайквеса обновлены17 авг 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

littlelearner/littlelearner-0.6b-grpo-math-expert — плотная языковая модель Qwen3, разработанная в рамках исследования LittleLearner. Модель содержит 617,3 млн параметров, использует контекст до 4096 токенов и предназначена для диалоговой генерации текста. Её дообучили с помощью SFT и GRPO, специализируя на математических рассуждениях и задачах с проверяемыми ответами уровня начальной школы США (K–5).

Модель рассчитана на решение и объяснение арифметических задач и текстовых математических задач уровня K–5. В оценке MathCAMPS она показала pass@1 36,8 для задач K–5 и 6,4 для задач за пределами этого уровня. Специализация на математике может снижать качество ответов в обычном диалоге; для задач выше K–5 результаты существенно ниже. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как other, без более конкретных условий в предоставленных данных.

Сценарии применения

  • решение арифметических задач уровня K–5
  • ответы на текстовые математические задачи для начальной школы
  • проверка решений задач с однозначным ответом
  • оценка математических рассуждений небольшой языковой модели

Ограничения

Модель ориентирована на математику K–5 и может хуже справляться с обычным диалогом; на задачах выше этого уровня показатели заметно ниже. Указана лицензия other, но её конкретные условия в предоставленных данных не раскрыты.

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

littlelearner-0.6b-grpo-math-expert

0.617B K-5-bounded chat model post-trained with GRPO on top of SFT.

Part of the LittleLearner scale-up study (pedagogically-controlled knowledge exposure): Qwen3 dense LMs trained on a corpus filtered to U.S. K-5 material (bounded) vs an unfiltered FineWeb-Edu corpus (unbounded), to measure what an interpretable knowledge boundary costs and grants.

Note: This checkpoint was post-trained with GRPO on mathematical reasoning tasks to probe achievable performance on MathCAMPS. As a result, its behavior is specialized toward mathematical reasoning and may not preserve general-purpose chat capabilities; responses may also exhibit a tendency toward math-oriented reasoning or output.

Model

  • Architecture: Qwen3 dense (Qwen3ForCausalLM).
  • Size: 0.617B params, hidden 1536, 20 layers, 12 query / 6 KV heads, FFN 4096. Context: 4096.
  • Tokenizer: custom 64k byte-level BPE with per-digit splitting (ChatML special tokens).
  • Pretraining: 88B tokens on K-5 LittleCurriculum (FineWeb-Edu filtered to U.S. grades K-5). WSD schedule, sharded Muon, MXFP8, Megatron-Core on 8xB200.
  • SFT: supervised fine-tuned on K-5 chat data (lr 1e-5, 3 epochs) from a cooloff-SFT-primed base.
  • RL (GRPO): segmented policy re-banding on a strictly K-5 verifiable-answer pool (Gemini-generated K-5 word problems + K-5-filtered GSM8K): 3 segments at rollout/training temperature 1.0, then 2 more at temperature 1.5 (the bounded-corpus, 0.6B-scale unlock temperature).

Evaluation

MathCAMPS:

  • K-5 pass@64 61.1 / pass@1 36.8
  • beyond-K-5 pass@64 18.5 / pass@1 6.4

Usage

# transformers (chat)
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "manueldeprada/littlelearner-0.6b-bounded-grpo"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype="bfloat16", device_map="cuda")
msgs = [{"role": "user", "content": "Liam has 3 apples and buys 4 more. How many apples does he have?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True))
# vLLM
from vllm import LLM
repo = "manueldeprada/littlelearner-0.6b-bounded-grpo"
llm = LLM(repo)
msgs = [{"role": "user", "content": "Liam has 3 apples and buys 4 more. How many apples does he have?"}]
print(llm.chat(msgs)[0].outputs[0].text)

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
301a228

0 моделей