/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
25 окт 2025

Trident

Генерация текстаТекст → текст

TRIDENT — дообученная на базе Qwen3-4B языковая модель для многошаговых математических, научных и логических рассуждений.

2скачиваний за 30 дней7лайковвеса обновлены7 янв 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

TRIDENT — языковая модель для генерации текста с акцентом на многошаговые рассуждения, разработанная на базе Qwen3-4B. В README заявлен размер 4 млрд параметров; модель представлена в формате safetensors и доступна по лицензии Apache-2.0.

Модель предназначена для решения математических задач, научных и логических выводов, сложных вопросов с ответами, планирования и исследования гипотез. В обучении применялись поиск Tree-of-Thoughts, направляемый графовой нейронной сетью, голосование четырёх внутренних политик рассуждения и отбор примеров по разбросу награды; улучшения дистиллировались обратно в модель с помощью LoRA. README приводит результаты на GSM8K, MMLU, GPQA и ARC-Challenge.

TRIDENT рассчитана на сценарии, где глубина рассуждений важнее скорости. Для вывода требуется больше вычислений, чем у моделей с однопроходной генерацией, поэтому она не оптимизирована для чата с низкой задержкой. Как и другие языковые модели, может галлюцинировать за пределами структурированных задач рассуждения.

Сценарии применения

  • решение многошаговых математических задач
  • ответы на сложные научные вопросы
  • логический вывод по текстовому запросу
  • планирование и исследование гипотез
  • оценка рассуждений на задачах GSM8K, MMLU и GPQA

Ограничения

Для рассуждений требуется больше вычислений на этапе вывода, чем у однопроходных моделей; модель не оптимизирована для чата с низкой задержкой. Может галлюцинировать вне структурированных сценариев рассуждения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TRIDENT

TRIDENT is a reasoning-focused 4B-parameter language model that improves its own reasoning capability through algorithmic self-improvement, rather than parameter scaling.

The model is built on Qwen3-4B and enhanced using the TRIDENT framework: a combination of GNN-guided Tree-of-Thoughts search, multi-agent reasoning policies, and variance-based self-training.


Overview

Traditional large language model training depends on:

  • Human-written reasoning traces
  • Manually curated preference datasets
  • Static fine-tuning pipelines

TRIDENT removes these dependencies.

Instead, the model:

  1. Explores multiple reasoning paths
  2. Evaluates them using a learned GNN policy
  3. Selects high-uncertainty problems automatically
  4. Generates its own training supervision
  5. Distills improvements back into the model using LoRA

model-index:

  • name: TRIDENT results:
    • task: type: text-generation dataset: name: GSM8K type: gsm8k split: test metrics:
      • type: accuracy value: 86.58
    • task: type: text-generation dataset: name: MMLU type: mmlu split: test metrics:
      • type: accuracy value: 72.61
    • task: type: text-generation dataset: name: GPQA type: gpqa split: test metrics:
      • type: accuracy value: 42.42
    • task: type: text-generation dataset: name: ARC-Challenge type: arc-challenge split: test metrics:
      • type: accuracy value: 59.0

Core Capabilities

GNN-Guided Tree-of-Thoughts

Reasoning is represented as a directed graph of intermediate states.
A 3-layer Graph Convolutional Network predicts a promise score for each branch, guiding exploration and pruning.

Multi-Agent Reasoning

Four internal agents (Conservative, Exploratory, Balanced, Reflective) vote on reasoning actions to balance exploration and correctness.

Variance-Based Curriculum

Problems are selected for training based on reward variance, targeting examples where the model is inconsistent and learning signal is highest.

Self-Generative Reasoning Loop

No human-annotated reasoning traces are used.
The model autonomously generates, evaluates, and curates its own reasoning data.

Stable Training

A multi-layer reward stabilization mechanism prevents:

  • Reward collapse
  • Loss explosions
  • Infinite failure loops

The architecture is compatible with future GRPO-style reinforcement learning.




Benchmark Results

Accuracy comparison against the base model:

BenchmarkQwen3-4BTRIDENT
GSM8K (5-shot)74.1486.58
MMLU (5-shot)47.7072.61
ARC-C (25-shot)54.059.0
GPQA (0-shot)28.2842.42
Winogrande (0-shot)59.667.08
TruthfulQA (0-shot)54.954.7

Highlight:
+14.14 percentage point improvement on GPQA (0-shot).


Intended Use

TRIDENT is suitable for:

  • Multi-step mathematical reasoning
  • Scientific and logical inference
  • Hard QA benchmarks
  • Planning and hypothesis exploration
  • Research on reasoning systems

Limitations

  • Higher inference-time compute than single-pass models
  • Not optimized for low-latency chat
  • Best used where reasoning depth matters more than speed

Ethical Considerations

  • No human-written reasoning traces used
  • No preference data collection
  • Training relies on verifiable task rewards
  • Like all LLMs, may hallucinate outside structured reasoning workflows

Paper link

https://www.shivik.in/shivik-labs/trident

Citation

@article{puri2025trident,
  title={TRIDENT: Thought-based Reasoning and Improvement through Deep Exploration of Neuronal Trees},
  author={Puri, Shivansh and Khandelwal, Abhisek and Joshi, Vedant and Yadav, Akash},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
4579ef0

0 моделей