/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
22 июн 2025

RLPR-Qwen2.5-7B-Base

Генерация текстаТекст → текст3 профессии

RLPR-Qwen2.5-7B-Base — дообученная OpenBMB модель на базе Qwen2.5-7B-Base для генерации ответов и задач общего и математического рассуждения.

173скачиваний за 30 дней9лайковвеса 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-Qwen2.5-7B-Base — языковая модель OpenBMB, дообученная на базе Qwen2.5-7B-Base с помощью фреймворка RLPR для усиления рассуждений. Метод использует вероятности генерации самой модели как сигнал вознаграждения, без внешних проверяющих моделей; обучение также включает фильтрацию запросов по стандартному отклонению и использует набор данных RLPR-Train.

Модель предназначена для генерации ответов и решения задач общего и математического рассуждения. В карточке приведены результаты на тестах MMLU-Pro и TheoremQA; заявлено улучшение относительно исходной модели и ряда моделей, использующих внешнюю проверку. Это плотная авторегрессионная архитектура Qwen2 с 7,1 млрд параметров, контекстом до 131 072 токенов и поддержкой английского языка по метаданным. Доступны веса Safetensors и интерфейс для чата и вызова инструментов.

Модель выпущена под лицензией Apache-2.0. Карточка не приводит подробностей об ограничениях качества или безопасности; как и другие языковые модели, она может генерировать ошибки и убедительно излагать неверные ответы.

Сценарии применения

  • решение математических задач с пошаговым рассуждением
  • ответы на вопросы по общеобразовательным темам
  • генерация ответов на сложные вопросы
  • оценка рассуждений на бенчмарках MMLU-Pro и TheoremQA

Ограничения

Модель может допускать фактические и логические ошибки. Заявления об улучшении основаны на результатах бенчмарков из карточки; независимых сведений о качестве и безопасности в предоставленных данных нет.

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-Qwen2.5-7B-Base

GitHub | Paper

RLPR-Qwen2.5-7B-Base is trained from Qwen2.5-7B-Base 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 (e.g., 56.0 on MMLU-Pro, 55.4 on TheoremQA with Qwen2.5-7B). RLPR surpasses strong models reliant on external verifiers (like General Reasoner-7B).

image/png

Model Description

Usage

Usage adopted from Qwen2.5-7B-Instruct

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "openbmb/RLPR-Qwen2.5-7B-Base"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "How much energy is produced when the sun converts one kg of hydrogen into helium?."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[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
Qwen2ForCausalLM
Ревизия весов
0327588

0 моделей