/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,7 млрд
Размер весов
5,6 ГБ
Архитектура
open_lm · dense
Библиотека
transformers
Опубликована
14 июн 2026

openlm-3b-202407-grpo-obqa-v4

Генерация текстаТекст → текст5 профессий

Разговорная модель OpenLM на 2,7 млрд параметров для генерации текста и ответов на открытые вопросы.

12скачиваний за 30 дней0лайковвеса обновлены14 июн 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

openlm-3b-202407-grpo-obqa-v4 — разговорная модель генерации текста на базе архитектуры OpenLM, дообученная с помощью TRL. В карточке приведён пример диалогового ответа на открытый вопрос; модель предназначена для генерации продолжений и ответов в формате чата.

Модель содержит 2,7 млрд параметров, использует плотную архитектуру OpenLM и принимает текст с контекстом до 2048 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия, но её значение отсутствует, поэтому условия использования по доступным сведениям уточнить нельзя.

Сценарии применения

  • генерация ответов в диалоге
  • ответы на открытые вопросы
  • создание текстовых продолжений

Ограничения

В карточке не названы языки обучения и лицензия. Контекст ограничен 2048 токенами; заявленные характеристики качества и оценки не приведены.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for openlm_3b_202407_grpo_obqa_v4-kl0.03

This model is a fine-tuned version of None. 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="None", 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: 0.23.0
  • Transformers: 4.57.1
  • Pytorch: 2.8.0
  • Datasets: 5.0.0
  • Tokenizers: 0.22.2

Citations

Cite GRPO as:

@article{shao2024deepseekmath,
    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 Gallou{\'e}dec},
	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

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
OpenLMForCausalLM
Ревизия весов
33ced7c

0 моделей