/ Модель

Характеристики

Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
11 сен 2026

RLCR-lr1e-6-math-seed40

Генерация текстаТекст → текст3 профессии

Дообученная на математическую тематику чат-модель Qwen2.5-3B для генерации текста и ответов на вопросы.

416скачиваний за 30 дней0лайковвеса обновлены12 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

RLCR-lr1e-6-math-seed40 — дообученная языковая модель на базе Qwen/Qwen2.5-3B, подготовленная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и может отвечать на вопросы; пример в карточке показывает обычный вопрос, а метаданные указывают на обучение с GRPO и математическую тематику.

Модель использует архитектуру Qwen2.5 и содержит около 3,1 млрд параметров согласно описанию базовой модели. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. Лицензия и поддерживаемые языки в предоставленных данных не указаны.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация математических рассуждений
  • решение математических задач в текстовом формате

Ограничения

В предоставленных данных не приведены результаты оценки качества или подробности обучения, поэтому уровень математических способностей модели не подтверждён. Лицензия не указана в предоставленных данных.

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

Model Card for RLCR-lr1e-6-math-seed40

This model is a fine-tuned version of Qwen/Qwen2.5-3B. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="nilgeoutim/RLCR-lr1e-6-math-seed40", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 0.16.0.dev0
  • Transformers: 4.48.3
  • Pytorch: 2.5.1+cu124
  • Datasets: 4.0.0
  • Tokenizers: 0.21.1

Citations

Cite GRPO as:

@article{zhihong2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
d7dedcb

0 моделей