/ Модель

Характеристики

Контекст
131 072 токена
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-14B
Библиотека
transformers
Опубликована
12 мар 2025

Light-R1-14B-DS

Генерация текстаТекст → текст3 профессии

Light-R1-14B-DS — дообученная на основе DeepSeek-R1-Distill-Qwen-14B языковая модель для генерации ответов с рассуждениями, прежде всего при решении математики.

162скачиваний за 30 дней37лайковвеса обновлены17 мар 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

Light-R1-14B-DS — языковая модель Qihoo 360 на архитектуре Qwen2, дообученная методом обучения с подкреплением на основе DeepSeek-R1-Distill-Qwen-14B. Она предназначена для генерации ответов с развернутыми рассуждениями, особенно при решении математических задач; также README сообщает о высоких результатах на AIME 2024 и 2025 и хорошем результате на GPQA без специального обучения для этого теста. Модель содержит 14 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers.

Модель подходит для диалогового использования и задач, где полезны подробные цепочки рассуждений, в том числе математики и программирования. Результаты бенчмарков из README не гарантируют аналогичного качества на других данных. Лицензия — Apache-2.0.

Сценарии применения

  • решение олимпиадных математических задач
  • пошаговое объяснение математических решений
  • ответы на вопросы, требующие многоэтапных рассуждений
  • помощь с задачами по программированию

Ограничения

Заявленные результаты относятся к бенчмаркам AIME 2024, AIME 2025 и GPQA и не гарантируют качество на иных задачах. Модель может генерировать ошибочные ответы и рассуждения.

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

Light-R1-14B-DS: SOTA 14B Math Model with RL

ModelTrained FromRelease DateAIME24AIME25GPQA
OpenThinker-32BQwen2.5-32B-Instruct25.2.1266.050.961.6
DeepSeek-R1-Distill-Qwen-14BQwen2.5-14B25.1.2069.750.259.1
Light-R1-14B-DS (ours) 🤗DeepSeek-R1-Distill-Qwen-14B25.3.1274.060.261.7
Light-R1-32B (ours) 🤗Qwen2.5-32B-Instruct25.3.476.664.661.8

technical report

GitHub page

wandb log

We introduce Light-R1-14B-DS, the first open-source successful RL attempt on already long-COT finetuned models of simialr sizes under light budget. Light-R1-14B-DS is also the State-Of-The-Art 14B math model with AIME24 & 25 scores 74.0 & 60.2, outperforming many 32B models.

Recent RL works have successfully trained RL on base models (usually with -zero in their names), or on 1.5B models (with response length interestingly decreasing then increasing), or on QwQ-32B with presumably prohibitively heavy compute.

Light-R1-14B-DS marks one step further in reproducing and democratizing DeepSeek-R1. We have finally seen expected behavior during RL training: simultaneous increase in response length and reward score on an already long-COT finetuned model (see wandb log).

Originated from DeepSeek-R1-Distill-Qwen-14B, Light-R1-14B-DS underwent our long-COT RL Post-Training and achieved a new State-Of-The-Art across 14B-Math models: 74.0 & 60.2 on AIME 24 & 25 respectively. Light-R1-14B-DS also performed well on GPQA without any specific training. We are excited to release this model along with the technical report, and will continue to perfect our long-COT RL Post-Training.

Usage

Same as DeepSeek-R1-Distill-Qwen-14B.

Data Decontamination

We carefully evaluated data contamination of several open-sourced datasets. While certain contamination may be inevitable during pre-training, it is unacceptable for post-training to compare on benchmarks. MATH-500 is somewhat compromised with tens of questions that are identical or only numbers changed. AIME 24 and 25 stay intact but we have to pay special attention when we incorporate AIME data up to 2023.

Light-R1 did thorough decontamination with exact matching (excluding digits) and N-gram (N=32) matching.

Citation

@misc{lightr1proj,
      title={Light-R1: Curriculum SFT, DPO and RL for Long COT from Scratch and Beyond}, 
      author={Liang Wen, Yunke Cai, Fenrui Xiao, Xin He, Qi An, Zhenyu Duan, Yimin Du, Junchen Liu, Lifu Tang, Xiaowei Lv, Haosheng Zou, Yongchao Deng, Shousheng Jia, Xiangzheng Zhang},
      year={2025},
      eprint={},
      archivePrefix={},
      url={https://github.com/Qihoo360/Light-R1}, 
}

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
a69e32b

0 моделей