/ 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-MATH-correct-only

Генерация текстаТекст → текст3 профессии

Дообученная Qwen2.5-7B для генерации решений математических задач и исследований влияния отбора данных SFT.

261скачиваний 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-MATH-correct-only — модель suryadv, представляющая собой полное дообучение Qwen2.5-7B в эксперименте math masking из исследования о применении ошибочных трасс рассуждений при supervised fine-tuning. Этот чекпойнт соответствует условию correct_only: при обучении использовались математические примеры с правильными ответами. Модель основана на плотной архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; для обучения использовались SLIME и Megatron-LM, формат весов — safetensors.

Модель предназначена для генерации текста и изучения математических рассуждений, а также для оценки влияния отбора данных SFT. README описывает финальный чекпойнт после 125 обновлений оптимизатора и команду оценки pass@1. В метаданных указан контекст до 131 072 токенов, однако воспроизводимая оценка сохраняет контекстный лимит эксперимента. Указанный язык карточки — английский. Модель выпущена для исследований математических рассуждений и отбора данных; лицензия — Apache-2.0. Наличие правильных финальных ответов в данных не означает, что промежуточные шаги рассуждений проверены.

Сценарии применения

  • генерация решений математических задач
  • оценка качества ответов на математические задачи
  • воспроизведение эксперимента по отбору данных SFT
  • исследование влияния правильных ответов в обучающих данных на рассуждения

Ограничения

Чекпойнт выпущен для исследовательских экспериментов; правильность финальных ответов в обучающих данных не гарантирует проверенность промежуточных шагов рассуждений. Контекстный лимит при воспроизведении оценки ограничен настройками эксперимента.

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 · MATH correct only

A full fine-tune of Qwen2.5-7B from How Should Incorrect Traces Be Used in Supervised Fine-Tuning? This checkpoint is the correct_only condition in the math masking 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 125 optimizer updates. The original checkpoint identifier is 51faacfc44d8c0c21d1abbc421d6a31d5825e0cf3b1dbb2a7480f97cb1b557ea.

Evaluate

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

python -m incorrect_trace_sft.evaluate --experiment math_masking --model suryadv/IncorrectTraceSFT-Qwen2.5-7B-MATH-correct-only --output runs/MATH-correct-only

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
597be95

0 моделей