OVD: 1-data random, step 600
Inference weights and tokenizer for the historical 1-data experiment.
Part of the OVD collection.
Характеристики
- Контекст
- 4 096 токенов
- Параметры
- 1,5 млрд
- Размер весов
- 7,1 ГБ
- Архитектура
- qwen2 · dense
- Базовая модель
- Qwen2.5-Math-1.5B
- Библиотека
- transformers
- Опубликована
- 20 сен 2026
Ссылки
OVD-Math-1-data-RS-Step600-Historical
Экспериментальный чекпойнт OVD на базе Qwen2.5-Math-1.5B для изучения генерации математических решений после обучения на одном случайном наборе данных.
215скачиваний за 30 дней0лайковвеса обновлены20 сен 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
OVD-Math-1-data-RS-Step600-Historical — исторический чекпойнт эксперимента OVD с одним случайным набором данных, созданный на базе Qwen/Qwen2.5-Math-1.5B. Это причинная языковая модель архитектуры Qwen2 с 1,5 млрд параметров для генерации текста; репозиторий содержит веса и токенизатор для инференса.
Модель предназначена для экспериментов с генерацией решений математических задач и изучения этапа обучения на шаге 600. Базовая Qwen2.5-Math-1.5B ориентирована на математику на английском и китайском языках; README не уточняет, как именно этот экспериментальный чекпойнт проявляет себя на этих языках. Контекст модели составляет 4096 токенов.
Это экспериментальная дообученная версия, а не подтверждённая прикладная система. Сведения о лицензии и сравнительных результатах в предоставленных данных отсутствуют.
Сценарии применения
- изучение влияния одного случайного набора данных на обучение математической модели
- эксперименты с генерацией решений математических задач
- сравнение поведения чекпойнта на шаге обучения 600 с другими этапами эксперимента
Ограничения
Это исторический экспериментальный чекпойнт; в предоставленных данных нет результатов оценки качества или сведений о лицензии. README не раскрывает параметры обучения и не подтверждает качество модели для практического применения.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- bd79a6d