/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Mistral-7B-v0.1
Библиотека
transformers
Опубликована
23 авг 2026

mistral-7b-arc-dpo

Генерация текстаТекст → текст3 профессии

Дообученная Mistral-7B для генерации ответов на вопросы с выбором варианта, в первую очередь для ARC-Challenge.

34скачиваний за 30 дней0лайковвеса обновлены23 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

Mistral-7B ARC-Challenge SFT + Synthetic-Pair DPO — языковая модель на архитектуре MistralForCausalLM, дообученная на базе mistralai/Mistral-7B-v0.1. Разработчик дообучил модель в два этапа: SFT на обучающих примерах ARC-Challenge и ARC-Easy, затем DPO на синтетических парах правильных ответов и отвлекающих вариантов. Чекпойнт объединяет LoRA-адаптации и сохранён в bf16; в репозитории используются веса safetensors.

Модель предназначена для генерации ответов на вопросы с выбором варианта, прежде всего для бенчмарка ARC-Challenge. По оценке авторов, acc_norm составила 71,84 ± 0,48 при официальном протоколе ARC-Challenge с 25 примерами и четырьмя seed, против 61,07 ± 0,36 у базовой модели при тех же условиях. Поддерживает английский язык; размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Лицензия Apache-2.0.

Результаты и настройка ориентированы на ARC, поэтому их нельзя считать гарантией качества на других задачах. DPO использует синтетические обучающие пары, а опубликованная проверка на бенчмарке не описывает качество в широком наборе реальных сценариев.

Сценарии применения

  • ответы на вопросы ARC-Challenge с выбором варианта
  • оценка знаний модели на научных вопросах с вариантами ответов
  • эксперименты с SFT и DPO для задач множественного выбора

Ограничения

Обучение и заявленная оценка сосредоточены на ARC-Challenge и ARC-Easy, поэтому качество на других задачах не подтверждено. DPO обучался на синтетических парах, хотя авторы сообщают о проверке на пересечения с тестовыми и валидационными данными ARC.

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

Mistral-7B ARC-Challenge SFT + Synthetic-Pair DPO

Mistral-7B-v0.1 fine-tuned for the ARC-Challenge benchmark (Upstage AIRE deep-learning coding test). acc_norm 71.84 ± 0.48 under the official protocol (lm-evaluation-harness arc_challenge, 25-shot, four few-shot seeds), vs. 61.07 ± 0.36 for the base model measured identically. The task's reference score to beat was 61.43.

Recipe

Two stages, both LoRA (r=32, alpha=64, all seven projections), merged into bf16 for this checkpoint:

  1. SFT on ARC-Challenge + ARC-Easy train splits (3,370 items), rendered byte-for-byte in the harness's own surface form (Question: ...\nAnswer:), loss masked to the answer span. lr 1e-4 cosine, 2 epochs.
  2. DPO on 8,025 gold-vs-distractor pairs drawn from a synthetic pool: 2,675 teacher-generated (Qwen3.8-27B), label-verified, ARC-form-matched MCQs that the SFT model still failed ("hard mining"). beta 0.1, with hard-pair gating and a chosen-NLL anchor.

The synthetic pool and its generation/verification pipeline are published separately (see the companion dataset repo), including the contamination audit: generated items were screened against ARC-C/E test+validation by exact and 8-gram overlap; the teacher was only ever shown ARC train items.

Evaluation

lm_eval --model hf --model_args pretrained=<this repo>,dtype=float16 \
  --tasks arc_challenge --num_fewshot 25 --seed 0,1234,1234,<fewshot_seed>
modelacc_norm (4-seed mean ± sd)
Mistral-7B-v0.1 (base)61.07 ± 0.36
+ SFT only67.04 ± 0.50
+ SFT + DPO (this)71.84 ± 0.48
Qwen3.8-27B (teacher)73.21 (single seed)

Trained on 2x RTX A6000; the SFT stage also reproduces on a single T4 in its QLoRA variant (67.66 ± 0.36, statistically equivalent to bf16 SFT).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
654ba1e

0 моделей