/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B-Base
Библиотека
transformers
Опубликована
6 сен 2026

Qwen3-8B-SDFT-Math-LoRA-new

Генерация текстаТекст → текст3 профессии

Плотная модель Qwen3 примерно на 8 млрд параметров, дообученная для генерации текста и решения математических задач.

32скачиваний за 30 дней0лайковвеса обновлены6 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

Qwen3-8B-SDFT-Math-LoRA-new — плотная авторегрессионная модель семейства Qwen3 от автора репозитория willamazon1, дообученная на математические рассуждения. Она создана на основе Qwen/Qwen3-8B-Base: после supervised fine-tuning на смеси математических задач, вопросов с поисковым контекстом и диалогов с инструментами модель прошла два этапа обучения с подкреплением GRPO на задачах по математике. LoRA-адаптеры объединены с весами, поэтому для запуска не требуется PEFT.

Модель предназначена для генерации продолжений текста и решения математических задач; это базовая completion-модель, а не чат-модель с инструкционной настройкой. Для работы подходят запросы в формате «Question: … Answer:». Архитектура Qwen3ForCausalLM имеет 36 слоёв и около 8 млрд параметров; веса представлены в bfloat16 и safetensors. Контекст — до 32 768 токенов. Лицензия — Apache-2.0.

Ключевое обучение нацелено на математические рассуждения, однако второй этап GRPO был коротким и включал 60 шагов, поэтому изменения относительно предыдущего чекпойнта невелики. Ответы модели могут быть ошибочными; перед практическим использованием математические результаты следует проверять. Модель также наследует смещения и ограничения знаний базовой Qwen3-8B-Base.

Сценарии применения

  • решение математических задач с пошаговым ответом
  • генерация завершений для запросов в формате вопрос–ответ
  • ответы на вопросы с предоставленным поисковым контекстом
  • генерация диалоговых примеров для взаимодействия с инструментами

Ограничения

Это базовая completion-модель, а не инструкционно настроенный чат-ассистент. Математические ответы не гарантированно верны; второй этап обучения с подкреплением был коротким, а модель наследует смещения и ограничения знаний базовой модели.

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

Qwen3-8B-SDFT-Math-LoRA-new

Qwen3-8B (dense, 36 layers, 8.19B params) tuned for mathematical reasoning. This repo holds fully merged bf16 weights — the LoRA adapter has been folded into the base matrices, so it is a drop-in replacement for Qwen/Qwen3-8B-Base; no PEFT adapter loading is required.

Training pipeline

  1. Base: Qwen/Qwen3-8B-Base.
  2. SFT: supervised fine-tuning on a balanced oracle mixture (math / retrieval-augmented QA / tool-use dialogue).
  3. Math RL, stage 1: GRPO on math problems with a verifiable answer-matching reward, training LoRA adapters (rank 16, alpha 32, scaling 2.0) on q/k/v, o_proj, gate/up_proj and down_proj of every layer. The stage-1 adapter was merged into the SFT weights.
  4. Math RL, stage 2 (this checkpoint): RL continued from the stage-1 merged model for 60 more optimizer steps, again with a fresh LoRA adapter of the same shape, which is merged here.

Trained with slime on Megatron-LM (TP=4, CP=2, bf16).

Checkpoint details

Parameters8.19 B
dtypebfloat16
Tensors399 (4 safetensors shards, 16.4 GB)
Vocab151936 (Megatron embedding padding stripped)
Stage-2 relative weight change, per LoRA'd matrix (‖Δ‖/‖W‖)2.8e-5 – 7.7e-5

Non-finite check: 0 NaN/Inf tensors across all shards.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "willamazon1/Qwen3-8B-SDFT-Math-LoRA-new"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype=torch.bfloat16).to("cuda")

prompt = (
    "Question: Natalia sold clips to 48 friends in April, and then she sold "
    "half as many clips in May. How many clips did Natalia sell altogether "
    "in April and May?\nAnswer:"
)
ids = tok(prompt, return_tensors="pt").input_ids.cuda()
out = model.generate(ids, max_new_tokens=128, do_sample=False)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

This is a base-style (completion) model, not an instruction-tuned chat model: prompt it with Question: ... \nAnswer: style completions rather than a chat template.

Limitations

Stage 2 is a short RL continuation (60 steps), so the weight delta over the stage-1 model is small. The model inherits the biases and knowledge cutoff of Qwen3-8B-Base, and its math answers are not guaranteed correct — verify outputs before relying on them.

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
9cdb66e

0 моделей