/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,7 млрд
Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Архитектура
gemma2 · dense
Библиотека
transformers
Опубликована
22 июн 2025

RLPR-Gemma2-2B-it

Генерация текстаТекст → текст3 профессии

Чат-модель OpenBMB на базе Gemma2-2B-it, дообученная методом RLPR для улучшения общих и математических рассуждений.

127скачиваний за 30 дней4лайкавеса обновлены30 июн 2025

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

RLPR-Gemma2-2B-it — чат-модель OpenBMB, дообученная на основе Gemma2-2B-it с использованием фреймворка RLPR для улучшения рассуждений. Обучение использует вероятность генерации ответов как сигнал вознаграждения, без внешних проверяющих моделей; для стабилизации применяется фильтрация запросов по стандартному отклонению. Модель предназначена для диалогов и решения общих задач на рассуждение, включая математические задачи.

В карточке сообщается об улучшении результатов на нескольких бенчмарках относительно базового подхода RLVR. Это плотная Gemma 2 с 2,7 млрд параметров и контекстом 8192 токена; метаданные указывают поддержку английского языка и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение математических задач в диалоге
  • получение пошаговых рассуждений по текстовому запросу
  • ответы на общие вопросы, требующие логического вывода

Ограничения

Карточка заявляет об улучшении на бенчмарках, но не приводит их названия и подробные численные результаты. Поддержка других языков, кроме английского, не подтверждена.

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

Model Card for RLPR-Gemma2-2B-it

GitHub | Paper

RLPR-Gemma2-2B-it is trained from Gemma2-2B-it with the RLPR framework, which eliminates reliance on external verifiers and is simple and generalizable for more domains.

Model Details

Key Features

  • 💡 Verifier-Free Reasoning Enhancement: RLPR pioneers reinforcement learning for reasoning tasks by leveraging the LLM's intrinsic generation probability as a direct reward signal. This eliminates the need for external verifiers and specialized fine-tuning, offering broad applicability and effectively handling complex, diverse answers.
  • 🛠️ Innovative Reward & Training Framework:
    • Features a robust Probability-based Reward (PR) using average decoding probabilities of reference answers for higher quality, debiased reward signals, outperforming naive sequence likelihood.
    • Implements an standard deviation filtering mechanism that dynamically filters prompts to stabilize training and significantly boost final performance.
  • 🚀 Strong Performance in General & Mathematical Reasoning: Demonstrates substantial reasoning improvements across diverse benchmarks, surpassing the RLVR baseline for 1.4 average points across seven benchmarks.

image/png

Model Description

Usage

# pip install accelerate
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("openbmb/RLPR-Gemma2-2B-it")
model = AutoModelForCausalLM.from_pretrained(
    "openbmb/RLPR-Gemma2-2B-it",
    device_map="auto",
    torch_dtype=torch.bfloat16,
)

input_text = "Write me a poem about Machine Learning."
input_ids = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=32)
print(tokenizer.decode(outputs[0]))

Citation

If you find our model/code/paper helpful, please consider citing our papers 📝:

@misc{yu2025rlprextrapolatingrlvrgeneral,
      title={RLPR: Extrapolating RLVR to General Domains without Verifiers}, 
      author={Tianyu Yu and Bo Ji and Shouli Wang and Shu Yao and Zefan Wang and Ganqu Cui and Lifan Yuan and Ning Ding and Yuan Yao and Zhiyuan Liu and Maosong Sun and Tat-Seng Chua},
      year={2025},
      eprint={2506.18254},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2506.18254}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
0f9270b

0 моделей