/ Модель

Характеристики

Контекст
131 072 токена
Параметры
838 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
MiniCPM5-1B
Опубликована
25 авг 2026

RaceBench-MiniCPM5-v1.1

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель на базе MiniCPM5-1B для генерации текста и диалогов, с опубликованными регрессиями на тестах рассуждения и знаний.

360скачиваний за 30 дней0лайковвеса обновлены13 сен 2026

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

RaceBench-MiniCPM5-v1.1 — дообученная модель saidutta69 на базе openbmb/MiniCPM5-1B. Это плотная причинно-языковая модель семейства Llama с 837,6 млн параметров и контекстом до 131 072 токенов. Она предназначена для генерации текста и диалогов; обучалась на наборе RaceBench-v1.1, включающем дистиллированные примеры и трассы работы агентов.

В опубликованном сравнении с базовой MiniCPM5-1B модель показала снижение результатов на BBH, GSM8K и MMLU; автор сообщает, что улучшений на этих тестах не обнаружено. Это экспериментальная версия, поэтому её качество в задачах рассуждения и математики следует проверять на собственных данных. Для загрузки в README приведён пример с Transformers и `trust_remote_code=True`. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом помощнике
  • эксперименты с дообучением компактных языковых моделей
  • сравнительная оценка генерации текста на наборах задач

Ограничения

В опубликованном сравнении с MiniCPM5-1B наблюдались снижения результатов на BBH, GSM8K и MMLU; улучшений на этих тестах автор не сообщает. Модель экспериментальная, поэтому её качество следует проверять для целевого применения.

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

RaceBench-MiniCPM5-v1.1

Quality over quantity — and v1.1 is the receipt.

Full-parameter fine-tune of openbmb/MiniCPM5-1B on RaceBench-v1.1 (376,736 rows: 353,456 distilled + 23,280 premium agent traces at 4x upsample).

The honest headline: v1.1 does NOT beat base. The premium-agent experiment reversed v1.0's reasoning gain (BBH -9.4, z=-12.3) while keeping a smaller math regression (GSM8K -5.7, z=-3.0). The 4x-upsampled long agent traces look harmful to a 1B model. This is a negative result, published honestly - and it cleanly redirects v1.2.

Results: RaceBench-MiniCPM5-v1.1 vs base

lm-evaluation-harness v0.4.12, identical settings head-to-head (fp16, seed 42, single NVIDIA H100). Deltas in points; z = delta / pooled SE; |z| > 2 is significant at ~95%.

Taskv1.1MiniCPM5-1B (base)Deltaz
BBH (CoT few-shot, n=6511)50.94 ± 0.5560.34 ± 0.53-9.40-12.3significant LOSS
GSM8K (strict-match, n=1319)34.34 ± 1.3140.03 ± 1.35-5.69-3.0significant LOSS
MMLU (full, n=14042)51.78 ± 0.4053.38 ± 0.40-1.60-2.8significant small LOSS
Winogrande (n=1267)56.27 ± 1.3956.35 ± 1.39-0.08-0.04noise
HellaSwag acc_norm (n=10042)48.41 ± 0.5048.82 ± 0.50-0.41-0.58noise
TruthfulQA MC2 (n=817)44.77 ± 1.4945.99 ± 1.49-1.22-0.58noise
GPQA-Main zeroshot (n=448)27.90 ± 2.1227.01 ± 2.10+0.89+0.30noise
ARC-Challenge (n=1172)34.98 ± 1.3934.22 ± 1.39+0.76+0.39noise

Reading this correctly

  • Significant regressions: BBH -9.4, GSM8K -5.7, MMLU -1.6. Nothing improves significantly.
  • Do not compare these absolutes to the v1.0 model card table - that run used different task configs (zero-shot BBH variant, MMLU subset, 2xT4 venue). Within THIS run, both models were evaluated identically, so deltas are apples-to-apples.
  • vs v1.0 directionally: v1.0 delivered BBH +2.7 / GSM8K -9.9. v1.1 delivers BBH -9.4 / GSM8K -5.7. Adding 4x-upsampled premium traces traded the reasoning gain away for a smaller math hit. Bad trade at 1B scale.

Why this happened (hypothesis)

The premium agent traces average 46 turns / ~2.7k chars (max 135k). At 1B scale, 6.2% of training mass in very long multi-turn traces appears to have taught verbose drift, not planning. Per the pre-registered decision tree this is Branch B: ablate premium threshold (>=0.85 or >=0.90 instead of >=0.8), cap trace length (<8192 chars, <=12 messages), re-test.

Deployment implications (read before adopting)

  • Do not use v1.1 over the base model today. Every significant delta is negative.
  • Use saidutta69/RaceBench-MiniCPM5 (v1.0) if you want the reasoning-gain checkpoint - with its documented GSM8K cost.
  • IFEval/HumanEval/MBPP were attempted on H100 and are pending harness fixes; not reported here and no claims are made about instruction-following or code.

Training details

  • Base model: openbmb/MiniCPM5-1B
  • Dataset: saidutta69/RaceBench-v1.1
  • Method: full-parameter SFT, seq_len 4096, sample packing, assistant-only loss masking
  • Precision: bf16, SDPA attention, adamw_bnb_8bit
  • Schedule: lr 2e-05 cosine, warmup 100, wd 0, seed 42, effective batch 8 x 4096 tokens (32k tok/step), 1 epoch = 10,445 steps, final train_loss 1.301
  • Data volume: 376,736 rows -> 342.2M tokens -> 83,557 packed sequences
  • Hardware: NVIDIA H100 80GB, ~3h wall

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "saidutta69/RaceBench-MiniCPM5-v1.1",
    trust_remote_code=True,
    torch_dtype="bfloat16",
)
tokenizer = AutoTokenizer.from_pretrained("saidutta69/RaceBench-MiniCPM5-v1.1")

License

Apache-2.0 (base model weights); RaceBench data is MIT.

Citation

@misc{racebench-minicpm5-v11,
  author = {Sai Dutta},
  title = {RaceBench-MiniCPM5-v1.1 -- Premium-Agent Ablation Checkpoint},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/saidutta69/RaceBench-MiniCPM5-v1.1}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
698db0d

0 моделей