/ 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-random-mask-90

Генерация текстаТекст → текст3 профессии

Экспериментально дообученная Qwen2.5-7B для изучения генерации математических решений и влияния ошибочных цепочек рассуждений на SFT.

268скачиваний 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-random-mask-90 — экспериментальный чекпойнт, созданный полным дообучением Qwen2.5-7B командой исследования, посвящённого использованию ошибочных цепочек рассуждений при supervised fine-tuning. Это условие random_mask_90 в эксперименте по маскированию математических данных; обучение выполнено на 125 шагах оптимизатора. Модель предназначена для исследования математического рассуждения и выбора данных для дообучения, а также для генерации текстовых ответов на математические задачи.

Модель имеет плотную архитектуру Qwen2ForCausalLM и 7,1 млрд параметров, работает с текстом и поддерживает контекст до 131 072 токенов. В карточке указаны английский язык, формат safetensors и лицензия Apache-2.0. Это исследовательский чекпойнт, а не заявленная универсальная математическая система: README предупреждает, что правильность итоговых ответов в обучающих данных не означает проверки промежуточных рассуждений. Качество следует оценивать в соответствии с протоколом эксперимента.

Сценарии применения

  • генерация решений математических задач
  • оценка качества математических ответов модели
  • исследование влияния ошибочных рассуждений при дообучении
  • сравнение стратегий маскирования математических данных

Ограничения

Чекпойнт обучен только 125 шагов и предназначен для исследований; качество на задачах вне экспериментального протокола не охарактеризовано. Наличие правильных ответов в обучающих данных не означает, что промежуточные рассуждения проверены.

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 random mask 90

A full fine-tune of Qwen2.5-7B from How Should Incorrect Traces Be Used in Supervised Fine-Tuning? This checkpoint is the random_mask_90 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 37ef3bef13981e172d7a5df1325be06d9e283039f0e5e829094719998e81b023.

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-random-mask-90 --output runs/MATH-random-mask-90

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
a65b73f

0 моделей