/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
24 сен 2026

qwen35-9b-equational-theory-sair-r3-mix10m

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3.5-9B для генерации доказательств и контрпримеров в задачах эквациональной теории.

208скачиваний за 30 дней0лайковвеса обновлены24 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

violetxi/qwen35-9b-equational-theory-sair-r3-mix10m — полноразмерное дообучение Qwen3.5-9B от Violetxi для ответов на вопросы по эквациональной теории, включая построение доказательств и контрпримеров. Модель обучена методом SFT на смеси заметок R0–R3 и траекторий «заметка — ответ»; это плотная модель семейства Qwen3.5 с 9 млрд параметров, представленная в BF16 и формате safetensors. Она использует архитектуру Qwen3_5ForConditionalGeneration и загружается через Transformers или vLLM с поддержкой Qwen3.5.

Модель предназначена для диалога и генерации текстовых решений задач эквациональной теории. В оценке на 800 вопросах Stage 1 точность составила 44,81% при лимите 16K токенов и 63,66% при 24K; в Stage 2 проверка корректности доказательств и контрпримеров судейской моделью дала 18,67% и 20,42% соответственно. Для генерации в README использован контекст 32 768 токенов. Проверка судейской моделью не является сертификацией доказательств в Lean.

Это экспериментальная специализированная модель: результаты показывают, что ответы могут быть некорректными, а качество зависит от длины генерации. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • получение доказательств для задач эквациональной теории
  • поиск контрпримеров к утверждениям об уравнениях
  • подготовка черновика решения задачи на основе контекстных заметок

Ограничения

Показатели оценки ограничены конкретными наборами и настройками генерации; результаты судейской оценки не подтверждают формальную корректность доказательств в Lean. При лимитах 16K и 24K токенов доля успешных ответов заметно различалась между этапами оценки.

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

Qwen3.5-9B equational-theory SAIR R0–R3 — 10M mixture

Final epoch 2 checkpoint of a full-model SFT run. This is a complete BF16, sharded safetensors model in the native Qwen3_5ForConditionalGeneration layout, including configuration, tokenizer, chat template and processor files. No adapter merge, custom code, base-model download or checkpoint conversion is required. Use a Transformers/vLLM release with Qwen3.5 support. Standard model loading was verified with Transformers 5.13.0; the submitted evaluations use vLLM 0.19.1.

Training

  • Pinned base revision: c202236235762e1c871ad0ccb60c8ee5ba337b9a.
  • Latest live R3 notes plus curated single-turn R0–R3 note-conditioned trajectories.
  • Nominal 10M nested mixture: 6,986,669 note tokens and 3,000,010 assistant-answer tokens per epoch after loss masking.
  • Approximately 70% notes / 30% trajectories; two epochs, eight GH200 GPUs, LR 5e-6, cosine schedule, warmup 0.03, full supervised-token mean CE, no KL.
  • Padding-free packing isolates examples in full attention, linear attention and convolution. Prompts/assistant headers are masked. Notes are plain text. Separate generated thinking is excluded; assistant answers and template/end markers are supervised. The trajectory template therefore includes an empty thinking wrapper.
  • Repetition exclusions and frozen validation are retained. No correctness filter or blanket rejection of length-stopped answers was added.
  • Trained FP32 language weights were converted to BF16. All 427 language tensors, including the output head, were mapped into the native layout. Vision and MTP weights are inherited unchanged from the pinned base.
  • Online training log.

Evaluation

Completed SAIR evaluations use 800 Stage 1 questions and 300 Stage 2 questions, with four seeded responses per question at each output budget. These are per-response rates, not pass@4.

Output budget (including thinking)Stage 1 accuracyStage 2 judged validity
16K44.81%18.67%
24K63.66%20.42%

Stage 1 uses rule-based parsing and comparison of the binary verdict. Stage 2 uses GPT-5.6-sol (high) to judge the final natural-language proof/counterexample against Lean input; hidden thinking is excluded, and there are no trusted reference solutions in this evaluation set. Empty and uncertain answers count as non-successes. GPT judgments are not Lean certification.

Generation uses thinking, seeds 0–3, temperature 1.0, top-p 0.95, top-k 20, min-p 0, presence penalty 1.5, frequency penalty 0, repetition penalty 1.0, and a 32,768-token context. Output caps are 16,384 and 24,576 tokens including thinking; the two budgets use separate generations.

Load and generate

from transformers import AutoTokenizer, Qwen3_5ForConditionalGeneration

repo = "violetxi/qwen35-9b-equational-theory-sair-r3-mix10m"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = Qwen3_5ForConditionalGeneration.from_pretrained(
    repo, dtype="auto", device_map="auto"
)
messages = [{"role": "user", "content": "Explain why associativity does not imply commutativity."}]
inputs = tokenizer.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    enable_thinking=True, return_dict=True, return_tensors="pt"
).to(model.device)
output = model.generate(**inputs, max_new_tokens=1024)
print(tokenizer.decode(output[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))
vllm serve violetxi/qwen35-9b-equational-theory-sair-r3-mix10m --dtype bfloat16 --reasoning-parser qwen3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
e09b981

0 моделей