/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Base
Библиотека
transformers
Опубликована
11 сен 2026

qwen3-4b-recursive-sft-v3.1

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen3-4B для рекурсивной декомпозиции и решения математических задач.

62скачиваний за 30 дней0лайковвеса обновлены11 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

Qwen3-4B Recursive SFT V3.1 — экспериментальный чекпойнт, созданный дообучением Qwen/Qwen3-4B-Base командой tawer12. Плотная причинная языковая модель примерно с 3,7 млрд параметров, контекстом 32 768 токенов и форматом safetensors; обучалась на примерах рекурсивного решения математических задач, извлечённых из ответов учителей на GSM8K. Модель генерирует текст и рассчитана на пошаговый протокол, где за один вызов возвращается одно действие; это исследовательский чекпойнт, а не универсальный чат-ассистент.

Подходит для экспериментов с декомпозицией математических задач, рекурсивными вызовами компонентов и генерацией решений для школьной и конкурсной математики. В исторических оценках указаны результаты на AMC23 и MATH5000, однако автор предупреждает о проблемах оценивания: разбор ответов может отклонять эквивалентные формы, а извлечение ответа из неполного дерева — выбирать неверный фрагмент. Разложения могут порождать зависимые или неполные подзадачи, а агрегация — принимать ошибочные результаты; дочерние вызовы выполняются последовательно. Распространяется по лицензии Apache 2.0.

Сценарии применения

  • эксперименты с рекурсивным решением задач GSM8K
  • декомпозиция математической задачи на подзадачи
  • генерация пошаговых решений для конкурсной математики
  • оценка рекурсивного протокола вызова компонентов

Ограничения

Исторические оценки могут быть неточными из-за проблем парсинга, нормализации ответов и извлечения результата; автор рекомендует заново оценивать сохранённые корневые ответы. Подзадачи могут быть зависимыми или недостаточно определёнными, а агрегация способна принимать неверные результаты; выполнение дочерних вызовов последовательное.

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

Qwen3-4B Recursive SFT V3.1

This is the recursive V3.1 supervised-fine-tuned checkpoint, not an RL checkpoint and not the flattened baseline. It was trained from Qwen3-4B-Base, with additional recursive protocol tokens, on component calls extracted from curated GSM8K teacher rollouts.

Evaluation rollouts contain the saved AMC23, MATH5000, and MATH algebra generations, including failed calls. This is a research checkpoint, not a general-purpose chat assistant.

Training

The source checkpoint was named qwen3-4b-recursive-sft-v3-expanded-r5.

SettingValue
Original curated GSM8K problem rollouts5,935
Component-level SFT examples20,332
ObjectiveOutput-token-only causal language modeling
Configured epochs4
Actual optimizer updates632
Final recorded epoch3.994688
Global batch128 component calls, not 128 original problems
Maximum training sequence length2,048 tokens
Learning rate1e-5
Weight decay0.01
Warmup ratio / scheduler0.1 / cosine
PrecisionBF16
Seed1

The training inputs were raw recursive prompt strings, not Qwen chat-template conversations. The training dataset itself is not included in this release. The final weights, tokenizer, and generation configuration are unchanged from the saved checkpoint. Optimizer states and pickled training arguments are omitted.

Recursive inference

The model returns one action per call:

  • SOLVE_DIRECTLY: solve the supplied problem.
  • DECOMPOSE: emit at least two standalone paths for the engine to execute.
  • AGGREGATE: combine the returned child answers when invoked by the engine.

Use the bundled prompts/recursive_sft_prefix_prompt.txt and recursive_engine.py. Do not apply a chat template or expect a single model.generate call to execute the complete recursive tree. The parser must retain the protocol's special tokens when decoding.

pip install 'transformers==4.51.1' torch accelerate huggingface_hub
import sys
from pathlib import Path
from huggingface_hub import snapshot_download

snapshot = Path(snapshot_download("tawer12/qwen3-4b-recursive-sft-v3.1"))
sys.path.insert(0, str(snapshot))
from recursive_engine import RecursiveEngine, load_model_and_tokenizer

model, tokenizer = load_model_and_tokenizer(
    str(snapshot), dtype="bf16", device_map="auto"
)
engine = RecursiveEngine(
    model=model,
    tokenizer=tokenizer,
    prefix_template=(snapshot / "prompts/recursive_sft_prefix_prompt.txt").read_text(),
    max_new_tokens=2048,
    temperature=0.0,
    top_p=1.0,
    max_depth=3,
    max_calls=10,
)
result = engine.rollout("What is the smallest multiple of 5 greater than -32?")
print(result.full_trace)
print(result.final_answer, result.parsed_ok, result.parse_errors)

The helper explicitly enables the generation KV cache even though the saved training configuration has use_cache=false. device_map="auto" requires Accelerate; inference performance depends on available device memory. The engine source is a release-time snapshot, not a guarantee of bitwise reproduction of every historical environment.

Evaluation and limitations

Historical recorded results, not corrected benchmark claims:

EvaluationSamplingHistorical score
AMC23 mean@1640 questions x 16 attempts, temperature 0.532.50%
AMC23 pass@16Same attempts; at least one recorded success per question80.00%
MATH50005,000 questions, greedy50.62%
MATH algebra1,187 algebra questions, separate greedy evaluation70.68%

All used a limit of 2,048 new tokens per call, maximum depth 3, and maximum 10 calls per tree. AMC seeds were 5000 through 5015. top_p=1.0; top-k was unspecified, preserving the generation library/checkpoint default. MATH5000 means the full 5,000-example MATH test set, not MATH-500.

Known grading problems: the historical recursive evaluator gates its correct flag on parsing success. Answer normalization can reject equivalent fractions and damage tuple/vector notation. Generic whole-trace extraction can also select a child result or incidental number in an incomplete tree. Do not treat these flags as authoritative mathematical judgments; regrade the saved root answers consistently before making benchmark comparisons.

Syntactically valid decompositions may still contain dependent or underspecified child tasks. Children receive fresh contexts. Aggregation sees child final-answer summaries rather than their complete derivations, and can accept incorrect results. The current engine executes children sequentially; its critical-path-token statistic is not measured parallel wall-clock latency.

Attribution

The base model is from the Qwen team and is distributed under Apache 2.0; its license is included in LICENSE. This repository contains a modified, fine-tuned model with recursive protocol tokens and an inference helper. GSM8K is the source of the curated training questions. Benchmark attribution and third-party data-rights notes are in the linked evaluation dataset card.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
52812ad

0 моделей