This repository contains the model presented in Reinforcement Learning for Reasoning in Large Language Models with One Training Example.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 7,1 млрд
- Размер весов
- 30,5 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- Qwen2.5-Math-1.5B
- Библиотека
- transformers
- Опубликована
- 8 июн 2025
Ссылки
One-Shot-RLVR-Qwen2.5-7B-pi1
Генерация текстаТекст → текст
Производная модели ypwang61/One-Shot-RLVR-Qwen2.5-Math-1.5B-pi1. Дообученная на одном примере модель Qwen2.5-Math-1.5B для генерации решений математических задач.
126скачиваний за 30 дней0лайковвеса обновлены27 авг 2025
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Карточка модели ypwang61/One-Shot-RLVR-Qwen2.5-7B-pi1 на Hugging Face совпадает с карточкой ypwang61/One-Shot-RLVR-Qwen2.5-Math-1.5B-pi1, поэтому описание составлено по ней.
Это дообученная модель Qwen2.5-Math-1.5B от ypwang61, представленная в работе «Reinforcement Learning for Reasoning in Large Language Models with One Training Example». Она предназначена для генерации текста и решений математических задач; дообучение выполнено методом RLVR на наборе One-Shot-RLVR-Datasets с одним обучающим примером.
Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и использует Transformers и формат Safetensors. Максимальный нативный контекст — 4096 токенов. Базовая модель рассчитана на математику на английском и китайском языках; отдельные языковые характеристики производной модели в карточке не описаны.
Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о границах применения, поэтому численные заявления о её точности сделать нельзя.
Сценарии применения
- генерация пошаговых решений математических задач
- получение текстовых ответов на математические вопросы
- эксперименты с RLVR-обучением на малом числе примеров
Ограничения
Контекст ограничен 4096 токенами; README не содержит результатов оценки качества, поэтому точность модели по нему определить нельзя.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- 5ccfc5d