/ 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-AIME2024-correct

Генерация текстаТекст → текст3 профессии

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

252скачиваний 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 · AIME2024 correct — полноценно дообученная модель suryadv на базе Qwen2.5-7B для генерации текста и математических рассуждений. Это чекпойнт условия aime24_correct_3000 из эксперимента «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?»; обучение проводилось в BF16, итоговый чекпойнт сохранён после 188 обновлений оптимизатора. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 для причинной генерации текста и имеет контекст 131 072 токена.

Модель предназначена для исследования математического решения задач и влияния отбора данных SFT; карточка описывает оценку на задачах AIME 2024. Она принимает текстовые запросы и генерирует текстовые ответы, поддерживает английский язык и чатовый формат. Наличие правильных итоговых ответов в обучающих данных не означает, что промежуточные рассуждения проверены; исследовательское определение ID/OOD в работе относится к знакомству с задачами относительно SFT и не описывает возможное присутствие задач в предобучении. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация решений задач AIME по математике
  • исследование влияния правильных трасс рассуждений на дообучение
  • оценка математических способностей языковых моделей
  • воспроизведение эксперимента по отбору данных SFT

Ограничения

Правильность итоговых ответов в обучающих данных не гарантирует проверенность промежуточных рассуждений. Результаты эксперимента об ID/OOD не позволяют судить о наличии задач в данных 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 · AIME2024 correct

A full fine-tune of Qwen2.5-7B from How Should Incorrect Traces Be Used in Supervised Fine-Tuning? This checkpoint is the aime24_correct_3000 condition in the aime years 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 36d4afb603a5b3da1ec2de9f4ec926fba27fe0d74094c6c993496562371ea678.

Evaluate

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

python -m incorrect_trace_sft.evaluate --experiment aime_years --model suryadv/IncorrectTraceSFT-Qwen2.5-7B-AIME2024-correct --output runs/AIME2024-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
7f1b934

0 моделей