URSA-8B — мультимодальная модель для пошагового решения математических задач по тексту и изображениям.

Подходит для: решение математических задач по текстовому условию · разбор изображений с математическими заданиями · пошаговые математические рассуждения

Процессная reward-модель на базе Qwen2.5 для оценки шагов математических рассуждений и выявления ошибок в решениях.

Подходит для: оценка правильности промежуточных шагов математического решения · поиск ошибочного шага в цепочке рассуждений · ранжирование нескольких математических решений по качеству рассуждений

Reward-модель на 72 млрд параметров оценивает математические рассуждения и помогает отбирать ответы или формировать сигналы вознаграждения при обучении.

Подходит для: оценка качества математических решений и промежуточных шагов · отбор обучающих примеров с помощью reward-оценок и rejection sampling · формирование сигнала вознаграждения для обучения с подкреплением

Англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации решений математических задач и исследования обучения с проверяемыми наградами.

Подходит для: генерация решений математических задач · пошаговое рассуждение при решении задач · эксперименты с обучением RLVR на математических запросах

Базовая модель Qwen2.5 на 7,1 млрд параметров для генерации пошаговых решений математических задач на английском и китайском языках.

Подходит для: Решение математических задач с пошаговым объяснением · Few-shot решение задач по математике на английском языке · Few-shot решение задач по математике на китайском языке

Экспериментальная англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации текста и решения математических задач.

Подходит для: решение математических задач с пошаговыми рассуждениями · проверка методов RLVR на математических запросах · генерация текстовых ответов на английском языке

Контрольная точка Qwen2.5-Math-7B, дообученная с IVON как стартовая модель для экспериментов RLVR и генерации математических рассуждений.

Подходит для: генерация пошаговых решений математических задач · подготовка стартовой модели для обучения RLVR · эксперименты с исследованием параметров через 3PO

Дообученная методом Evolution Strategies модель Qwen2.5-14B для решения математических задач на английском языке и экспериментов с pass@k.

Подходит для: решение задач из датасета MATH уровней 3–5 · генерация нескольких вариантов решения для оценки pass@k · эксперименты с масштабированием математического вывода на этапе инференса

Компактная модель Agentica на базе DeepSeek-R1-Distill-Qwen-1.5B, дообученная с подкреплением для решения математических задач и генерации текстовых рассуждений.

Подходит для: решение задач уровня AIME и AMC · генерация пошаговых математических рассуждений · ответы на вопросы из математических наборов задач

Процессно-супервизируемая модель вознаграждения на базе Llama 3.1 8B для оценки шагов рассуждения и отбора решений.

Подходит для: оценка промежуточных шагов математического решения · отбор лучших ответов из множества сгенерированных вариантов · оценка решений задач GSM8K и MATH

Диалоговая модель Llama на 33,9 млрд параметров, дообученная для генерации текста, математических задач и рассуждений.

Подходит для: решение математических задач · объяснение хода математических рассуждений · ответы на вопросы в диалоге

Производная модели internlm/internlm2-math-plus-1_8b. Двуязычная модель InternLM2 на 1,7 млрд параметров для решения математических задач, рассуждений и работы с формальными доказательствами.

Подходит для: пошаговое решение математических задач · решение задач уровня MATH и GSM8K · решение задач с использованием Python

Двуязычная модель InternLM2 на 1,7 млрд параметров для решения математических задач, рассуждений и работы с формальными доказательствами.

Подходит для: пошаговое решение математических задач · решение задач уровня MATH и GSM8K · решение задач с использованием Python

Ulam-1 — мультимодальная модель Ulam AI на базе Qwen для исследовательского решения математических задач и отладки доказательств.

Подходит для: поиск подходов к решению исследовательских математических задач · отладка доказательств и поиск пробелов в рассуждениях · проверка математических утверждений и поиск контрпримеров

ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.

Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты

Дообученная модель Llama на 6,6 млрд параметров для пошагового решения математических задач с поддержкой внешних вычислительных инструментов.

Подходит для: Решение текстовых арифметических задач GSM8K · Решение задач математических соревнований уровня MATH · Генерация решений с использованием вычислительных библиотек

Дообученная 8,8-миллиардная модель GLM для генерации текста и решения математических задач с рассуждениями.

Подходит для: решение школьных математических задач · пошаговое решение задач GSM8K · генерация математических рассуждений

Дообученная 13-миллиардная модель LLaMA, которая решает математические задачи, сочетая текстовые рассуждения с вызовом внешних вычислительных инструментов.

Подходит для: Решение текстовых математических задач GSM8K · Пошаговое решение задач из MATH · Генерация кода или вычислительных выражений для проверки промежуточных результатов

Дообученная NVIDIA на математических данных языковая модель Qwen2.5 для решения задач по математике с генерацией рассуждений и использованием исполнения кода.

Подходит для: Решение олимпиадных задач по математике · Пошаговое рассуждение при решении сложных математических задач · Решение задач с помощью сгенерированного и исполняемого кода

Компактная модель Ulam AI на 3,1 млрд параметров для математических задач и исследовательских рассуждений, требующих проверки человеком.

Подходит для: решение математических задач с экспертной проверкой · подготовка черновиков доказательств · исследовательские рассуждения по математике и STEM

Llemma 7B — дообученная на математических данных языковая модель для решения задач, пошаговых рассуждений и работы с вычислительными инструментами.

Подходит для: решение математических задач с пошаговыми рассуждениями · ответы на вопросы по математике и STEM · генерация математических доказательств

Дообученная на одном примере модель Qwen2.5-Math-1.5B для генерации решений математических задач.

Подходит для: генерация пошаговых решений математических задач · получение текстовых ответов на математические вопросы · эксперименты с RLVR-обучением на малом числе примеров

Дообученная языковая модель NVIDIA для решения сложных математических задач, генерации доказательств и выявления ошибок в них.

Подходит для: решение сложных олимпиадных задач по математике · генерация пошаговых математических доказательств · проверка доказательств на ошибки

Исследовательская 2,7-миллиардная языковая модель RtaForge на архитектуре пространства состояний для вызова инструментов и математических инструкций.

Подходит для: эксперименты с вызовом инструментов языковой моделью · проверка циклов взаимодействия модели с инструментами · ответы на математические инструкции