/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B-Base
Библиотека
transformers
Опубликована
13 сен 2026

qwen3-0.6b-openr1-math-sft-s1

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3-0.6B, дообученный на математических примерах OpenR1-Math для исследований SFT и генерации решений.

235скачиваний за 30 дней0лайковвеса обновлены13 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

Qwen3-0.6B OpenR1-Math SFT S1 — исследовательский чекпойнт, опубликованный для воспроизводимости и аудита эксперимента. Его разработчик выполнил один цикл полного дообучения Qwen/Qwen3-0.6B-Base методом supervised fine-tuning на детерминированно отфильтрованном наборе OpenR1-Math; модель содержит около 508 млн параметров и использует плотную архитектуру Qwen3. Это причинная языковая модель для генерации текста, рассчитанная на контекст до 32 768 токенов.

Чекпойнт предназначен для исследований дообучения небольших моделей, анализа данных и ошибок, поведения длины генерации и воспроизводимых сравнений с базовой моделью. В указанной оценке улучшились соответствие обучающему распределению и результат GSM8K, однако макрооценка по 59 задачам снизилась. Короткий тест MATH-500 был сильно ограничен длиной генерации, а полный запуск остановили до завершения, поэтому он не подтверждает математические способности модели. Это экспериментальный чекпойнт, а не универсальный ассистент; математические ответы требуют независимой проверки.

Модель распространяется по лицензии Apache-2.0. В конфигурации генерации EOS отличается от токена EOS базовой модели; некоторые движки могут игнорировать сохранённую конфигурацию, поэтому для ограниченной генерации нужно явно задавать стоп-токены или строки и максимальную длину ответа.

Сценарии применения

  • сравнение дообученной модели с базовой Qwen3-0.6B
  • исследование влияния SFT на ответы по математике
  • анализ ошибок генерации на математических задачах
  • изучение длины и обрезания сгенерированных решений
  • воспроизведение экспериментов на наборе OpenR1-Math

Ограничения

В широкой регрессионной оценке результат снизился; короткий тест MATH-500 был ограничен длиной генерации, а полноценной оценки MATH-500 нет. Математические ответы не следует использовать в критически важных сценариях без независимой проверки; для некоторых движков требуется явно задать EOS и ограничение длины.

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

Qwen3-0.6B OpenR1-Math SFT S1

This repository contains a research checkpoint produced by one epoch of full-parameter supervised fine-tuning of Qwen/Qwen3-0.6B-Base on a deterministically filtered OpenR1-Math artifact.

This checkpoint is published to make the training run reproducible and auditable. It is not a claim of across-the-board mathematical or general-purpose improvement.

Training

FieldValue
Base revision311c62e88814bff7206909ccd330bab0a784743b
Train records61,224
Maximum artifact length16,384 tokens; longer records excluded, not truncated
Epochs / optimizer steps1 / 479
Effective batch128 sequences (1 x 128 gradient accumulation)
Learning rate4e-5, cosine schedule, 3% warmup
PrecisionBF16 compute; full-parameter training
Hardware1 x NVIDIA A100-SXM4-80GB
Runtime31,867 seconds (about 8 h 51 min)
Train loss0.568926

The supervised loss is completion-only causal cross-entropy with global valid-token normalization.

Evaluation

All deltas below compare the frozen base model and S1 under paired contracts.

EvaluationB0S1Delta
Validation NLL, token weighted0.7804830.546614-29.96% relative
GSM8K QEM, 1,319 samples0.4761180.514784+3.87 pp
59-task regression macro0.5434120.528562-1.49 pp
MMLU 57-task macro0.5451570.530376-1.48 pp
ARC-Challenge acc_norm0.4539250.431741-2.22 pp
HellaSwag acc_norm0.5334590.522008-1.15 pp

The checkpoint fits the target SFT distribution substantially better and improves GSM8K under the recorded contract, while the broad regression panel declines. Further error analysis is required before selecting a follow-up recipe.

MATH-500 limitation

A 20-question, four-generation smoke test with a 512-token cap was strongly length-truncated: all 80 S1 generations reached the cap. The S1 pass@1:1 value was 0.05 versus 0.25 for B0, but this result mixes answer quality with truncation and is not treated as a formal MATH-500 score.

The original 500-question, four-generation, 32K-token evaluation was stopped after 204/2000 generations because projected paid GPU time exceeded the budget. No full MATH-500 result is reported.

Generation and stop tokens

The saved generation_config.json uses token 151645 (<|im_end|>) as EOS, while the underlying model config.json retains the base token 151643 (<|endoftext|>). Some inference engines do not honor the saved generation config. For bounded generation, explicitly supply both stop strings or their token IDs and set an application-appropriate maximum output length.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "yanpeng051821/qwen3-0.6b-openr1-math-sft-s1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "Solve: If 3x + 5 = 20, find x."}]
inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(
    inputs,
    max_new_tokens=512,
    eos_token_id=[
        tokenizer.convert_tokens_to_ids("<|im_end|>"),
        tokenizer.convert_tokens_to_ids("<|endoftext|>"),
    ],
)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))

Intended use

Use this checkpoint for research on small-model SFT, data and error analysis, generation-length behavior, and reproducible B0/S1 comparisons. It should not be deployed as a general assistant or used where mathematical correctness is safety critical without independent validation.

Reproducibility evidence

The evidence/ directory contains the resolved training configuration, run manifest, compact paired evaluation summaries, the MATH budget-abort record, and SHA-256 checksums. Full optimizer checkpoints, training data, and large per-sample evaluation artifacts are intentionally stored outside this model repo.

Implementation: https://github.com/yanpeng051821/small_model_post_training

Engineering case study: https://github.com/yanpeng051821/AI_research/tree/main/training_engineering/case_studies/qwen3-0.6b-openr1-math-sft

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
45b20dd

0 моделей