Экспериментальный чекпойнт Snowball, дообученный для генерации научных ответов с приоритетом доказательств.
721скачиваний за 30 дней0лайковвеса обновлены3 окт 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
Это архивный исследовательский чекпойнт Snowball, созданный командой open-athena в ходе эксперимента по дообучению SFT для научных задач с подходом Proof-first. Модель основана на open-athena/Snowball-67B-A2B-5.7T-Mixed-RLVR-Step38 и имеет архитектуру GrugMoeForCausalLM типа MoE. В метаданных указаны 1 млрд параметров, контекст до 32 768 токенов и формат safetensors.
Чекпойнт предназначен для генерации текста в научных сценариях, где ответы должны опираться на доказательства. В тесте GPQA-Diamond он набрал 57,07% против 58,25% у исходной модели Step38; эксперимент не показал широкого улучшения. Датасет обучения загружается и пока неполон, поэтому результаты трудно полностью воспроизвести. Применяются исходные условия лицензии базовой модели; в метаданных указана лицензия other.
Сценарии применения
генерация ответов на научные вопросы с обоснованием
экспериментальная оценка научных рассуждений языковой модели
сравнение SFT-чекпойнтов на тесте GPQA-Diamond
Ограничения
Результат GPQA-Diamond ниже, чем у исходного чекпойнта Step38, и эксперимент не подтвердил широкого улучшения. Обучающий датасет неполон, что ограничивает воспроизводимость; действуют исходные условия лицензии базовой модели.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Archival Hugging Face export from the Proof-first science SFT run at optimizer step 12,943. The run started from Snowball Step38. Its GPQA-Diamond result was 57.07%, versus 58.25% for the Step38 starting model.