/ 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-incorrect

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen2.5-7B для генерации текста и исследования влияния ошибочных трасс рассуждений на решение задач AIME.

239скачиваний 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-Qwen2.5-7B-AIME2024-incorrect — полноценно дообученная модель на базе Qwen2.5-7B, выпущенная для эксперимента из работы «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Это контрольная точка условия aime24_incorrect_3000: обучение продолжалось 188 обновлений оптимизатора на примерах с некорректными трассами рассуждений для задач AIME 2024.

Модель предназначена для генерации текста и исследования математических рассуждений, в частности влияния отбора данных для supervised fine-tuning. Она имеет плотную архитектуру Qwen2 с 7,1 млрд параметров, поддерживает контекст до 131 072 токенов и работает с текстом; в метаданных указан английский язык. Доступны веса safetensors и интерфейс чата.

Контрольная точка позволяет изучать, как обучение на данных с ошибочными промежуточными рассуждениями влияет на ответы математической модели. При этом корректность финальных ответов в обучающих данных не означает, что сами рассуждения проверены; результаты также относятся к конкретной экспериментальной настройке и не подтверждают надёжность на других задачах. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с математическими задачами AIME 2024
  • оценка влияния ошибочных цепочек рассуждений при SFT
  • воспроизведение эксперимента aime24_incorrect_3000
  • сравнение качества математического рассуждения моделей

Ограничения

Обучающие данные содержат некорректные промежуточные рассуждения, которые не обязательно проверены, даже если финальные ответы верны. Модель описана как экспериментальная контрольная точка; результаты относятся к заданной настройке оценки и не гарантируют качество на других задачах.

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 incorrect

A full fine-tune of Qwen2.5-7B from How Should Incorrect Traces Be Used in Supervised Fine-Tuning? This checkpoint is the aime24_incorrect_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 8f489fe77a21bc52e7798b57b7ee678cda54e46f574926c0680e8196d960b94a.

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-incorrect --output runs/AIME2024-incorrect

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
87e3aa3

0 моделей