/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,4 млрд
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 июл 2026

unfiltered-1.3b-grpo-math-expert

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель Qwen3 на 1,36 млрд параметров, дообученная методом GRPO для решения математических задач.

85скачиваний 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 — экспериментальная чат-модель на архитектуре Qwen3, созданная в рамках исследования LittleLearner. Эта версия содержит около 1,36 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и контекст до 4096 токенов. Модель дообучена методом GRPO поверх SFT для математических рассуждений; веса доступны в формате safetensors, для работы указаны Transformers и vLLM.

Модель предназначена прежде всего для решения математических задач и оценки на MathCAMPS. В карточке приведены pass@1 45,7% для задач уровня K–5 и 16,5% для задач выше этого уровня. Чекпойнт обучен на неотфильтрованном по классу варианте образовательного корпуса FineWeb-Edu в рамках исследования, сравнивающего разные границы учебного материала.

Автор предупреждает, что математическая специализация может ухудшить общие возможности диалога, а ответы могут быть чрезмерно ориентированы на математику. В метаданных лицензия обозначена как other; конкретные условия использования следует сверить с карточкой репозитория.

Сценарии применения

  • Решение арифметических задач начальной школы
  • Пошаговое рассуждение над математическими задачами
  • Оценка математических навыков на MathCAMPS

Ограничения

Автор предупреждает, что математическая специализация может ослаблять общие возможности диалога и склонять ответы к математической тематике. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в карточке репозитория.

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

unfiltered-1.3b-grpo-math-expert

1.36B fully-unbounded 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: 1.358B params, hidden 2048, 26 layers, 16 query / 8 KV heads, FFN 5632. Context: 4096.
  • Tokenizer: custom 64k byte-level BPE with per-digit splitting (ChatML special tokens).
  • Pretraining: 88B tokens on unfiltered FineWeb-Edu (score >= 2, no grade filter). WSD schedule, sharded Muon, MXFP8, Megatron-Core on 8xB200.
  • SFT: supervised fine-tuned on unbounded chat data (lr 1e-5, 3 epochs).
  • RL (GRPO): segmented policy re-banding on a verifiable-answer pool: temperature-1.0 segments to a plateau, then one segment at temperature 1.3 (a one-shot unlock).

Evaluation

MathCAMPS:

  • K-5 pass@64 70.6 / pass@1 45.7
  • beyond-K-5 pass@64 45.6 / pass@1 16.5

Usage

# transformers (chat)
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "manueldeprada/littlelearner-1.3b-unbounded-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-1.3b-unbounded-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
1737bbc

0 моделей