/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
15 сен 2026

IncorrectTraceSFT-Qwen2.5-7B-AIME-SplitA-correct

Генерация текстаТекст → текст3 профессии

Полностью дообученная Qwen2.5-7B для генерации решений математических задач и исследований SFT на разбиениях AIME.

240скачиваний за 30 дней0лайковвеса обновлены15 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

IncorrectTraceSFT · AIME SplitA correct — полноценно дообученная модель Qwen2.5-7B, созданная suryadv для эксперимента из работы «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Это чекпойнт условия held_in_correct_6000 в эксперименте с разбиением задач AIME. Модель предназначена для генерации текстовых решений математических задач и изучения влияния отбора данных на supervised fine-tuning.

В основе — плотная авторегрессионная архитектура Qwen2 с 7,1 млрд параметров; контекст — до 131 072 токенов. Модель принимает текст и генерирует текст, обучена на англоязычных данных. Веса доступны в safetensors, лицензия — Apache-2.0. README указывает, что это финальный чекпойнт после 188 обновлений оптимизатора; контрольные суммы весов сохранены, а конфигурация токенизатора нормализована для Transformers 4.57 без изменения словаря, идентификаторов токенов и шаблона чата.

Модель подходит для исследовательских экспериментов с математическим рассуждением и стратегиями отбора данных для SFT. Правильность конечных ответов в обучающих данных не означает, что промежуточные рассуждения проверены; данные эксперимента не позволяют делать выводы о знакомстве модели с задачами на этапе предобучения.

Сценарии применения

  • генерация решений задач AIME
  • сравнение стратегий отбора данных для математического SFT
  • оценка pass@1 на математических задачах
  • эксперименты с использованием ошибочных рассуждений при дообучении

Ограничения

Правильные конечные ответы в обучающих данных не гарантируют, что промежуточные рассуждения были проверены. Экспериментальные разбиения AIME не позволяют судить о возможном знакомстве модели с задачами во время предобучения.

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

IncorrectTraceSFT · AIME SplitA correct

A full fine-tune of Qwen2.5-7B from How Should Incorrect Traces Be Used in Supervised Fine-Tuning? This checkpoint is the held_in_correct_6000 condition in the aime splits experiment.

Code and reproduction instructions · Training data

Training

The student starts from Qwen/Qwen2.5-7B, revision d149729398750b98c0af14eb82c78cfe92750796. Training uses SLIME with Megatron-LM, BF16, global batch size 64, and AdamW with a peak learning rate of 5e-6. Full settings and exact data selections are in the code repository.

This is the final checkpoint after 188 optimizer updates. The original checkpoint identifier is cdcfb878594c3dfa5bb39383592364f5b8afae17af098ec3afa8516f734bc286.

Evaluate

From a checkout of the code repository with evaluation dependencies installed:

python -m incorrect_trace_sft.evaluate --experiment aime_splits --model suryadv/IncorrectTraceSFT-Qwen2.5-7B-AIME-SplitA-correct --output runs/AIME-SplitA-correct

The evaluation command preserves the experiment's prompts, context limit, sampling parameters, and answer scorer. It reports pass@1 and the Monte Carlo standard error across decoding repeats. See the repository's results table for all conditions and comparisons.

Files and intended use

The safetensors weights are unchanged from the evaluated checkpoint. provenance.json records their original SHA-256 hashes. The tokenizer configuration has been normalized for Transformers 4.57: legacy special-token metadata is represented using the current field format, and the existing chat template is embedded. Vocabulary, token IDs, and the chat template are unchanged.

This model is released for research on mathematical reasoning and SFT data selection. Correct final answers in the training data do not imply that intermediate reasoning steps were verified. ID/OOD in this study refers to problem identity relative to SFT; it says nothing about pretraining exposure. Coding-agent checkpoints will be released separately.

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
60394b0

0 моделей