/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1 млрд
Размер весов
134 ГБ
Архитектура
grug_moe · MoE
Опубликована
22 сен 2026

Snowball-67B-A2B-5.7T-Mixed-RLVR-Step38

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Snowball, дообученный методом RLVR для изучения генерации текста на смешанных задачах с проверяемым вознаграждением.

231скачиваний за 30 дней0лайковвеса обновлены23 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

Snowball 67B-A2B Mixed RLVR Step38 — экспорт чекпойнта 38 из экспериментальной кампании обучения Snowball на смеси доменов с проверкой ответов по вознаграждению (RLVR). В карточке указан базовый чекпойнт laion/snowball-67b-a2b-sft-s3-nemotron-terminal-step1888; модель дообучена с использованием синхронного RLOO-N и бэкенда Megatron. Архитектура — GrugMoE для причинной генерации текста, веса представлены в формате safetensors.

Чекпойнт предназначен как исследовательский артефакт для изучения обучения с подкреплением на проверяемых задачах. Контекст составляет 32 768 токенов. В README приведён holdout pass@1 0,54 при выборе чекпойнта; позднее этот результат сравнял шаг 42. Показатель не доказывает равномерного улучшения: в кампании отмечены проблемы с соблюдением контракта вывода и дефицитом вознаграждения в отдельных доменах. Лицензия в предоставленных данных не указана.

Сценарии применения

  • изучение обучения языковых моделей с проверкой ответов по вознаграждению
  • эксперименты с RLVR и алгоритмом RLOO-N
  • сравнение промежуточных чекпойнтов Snowball на проверочных наборах
  • анализ соблюдения формата ответа в задачах с вознаграждением

Ограничения

В README отмечены проблемы с соблюдением контракта вывода и дефицитом вознаграждения в отдельных доменах, поэтому улучшение нельзя считать равномерным. Это промежуточный исследовательский чекпойнт: шаг 42 позднее сравнялся с его holdout pass@1.

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

Snowball 67B-A2B — 5.7T Mixed RLVR step 38

This is the Hugging Face export of optimizer checkpoint 38 from the 5.7T Agentic-start Snowball mixed-domain RLVR1 arm. The arm used synchronous RLOO-N, the Megatron backend, a 32K context window, batch size 512, and 16 rollouts per prompt on 64 H100s.

The checkpoint was selected when export began because its 100-row holdout pass@1 was 0.54. Step 42 later tied that value before the arm was stopped at step 46, so this is not the most recent tied checkpoint. The final arm metrics at step 46 were training reward/pass@16 0.6791/0.6875 and holdout avg_score/pass@1 0.5606/0.5000.

This checkpoint is intended as a research artifact. The campaign exposed output-contract and reward-starvation problems in several weak domains; the model should not be interpreted as uniformly improved across the blend.

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Архитектура grug_moe неизвестна transformers в образе рантайма.

Класс архитектуры
GrugMoeForCausalLM
Ревизия весов
cfc1d84

0 моделей