OVD: 1-data full, step 300
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-full-step300-historical
Экспериментальный чекпойнт OVD на базе Qwen2.5-Math-1.5B для генерации текста и решений математических задач.
233скачиваний 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
menik1126/ovd-math-1-data-full-step300-historical — чекпойнт из коллекции OVD: исторический вариант эксперимента «1-data full», шаг 300. Репозиторий содержит веса для инференса и токенизатор; модель дообучена на базе Qwen/Qwen2.5-Math-1.5B и использует архитектуру Qwen2ForCausalLM с 1,5 млрд параметров.
Модель предназначена для генерации текста, в том числе решений математических задач. Контекст — до 4096 токенов. Базовая Qwen2.5-Math-1.5B рассчитана на математические задачи на английском и китайском языках; README не уточняет языки и качество именно этого экспериментального чекпойнта. Данных о лицензии в предоставленных источниках нет.
Сценарии применения
- генерация решений математических задач
- проверка ответов на математические вопросы
- эксперименты с дообучением математических языковых моделей
Ограничения
Это исторический чекпойнт раннего эксперимента на шаге 300, поэтому его качество и пригодность для практического применения могут быть ограничены. Лицензия и языковые характеристики именно этого варианта в README не описаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
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
- 8519182