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

Экспериментальная мультимодальная MoE-модель, дообученная для диалогов, рассуждений, анализа изображений и работы с инструментами.

Подходит для: решение задач по математике с пошаговыми рассуждениями · генерация и анализ программного кода · ответы на вопросы по изображениям

Мультимодальная модель Xiaomi для генерации текста, агентных задач и работы с инструментами, с контекстом до миллиона токенов.

Подходит для: написание и исправление программного кода · выполнение многошаговых задач с вызовом инструментов · ответы на вопросы по длинным репозиториям и трассам взаимодействия

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

Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.

Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов

Открытая модель на 27 млрд параметров для задач программирования, математики и физики с длинным контекстом и поддержкой вызова инструментов.

Подходит для: поиск и исправление ошибок в кодовых репозиториях · решение сложных математических задач · анализ задач по физике и научных вопросов

Дообученная мультимодальная модель на 27 млрд параметров для рассуждений, программирования, диалогов, анализа изображений и использования инструментов.

Подходит для: решение математических задач и задач на рассуждение · генерация и помощь с программным кодом · выполнение инструкций в диалоге

Открытая языковая модель MiniMax AI для сложных рассуждений, программирования, длинного контекста и агентной работы с инструментами.

Подходит для: решение олимпиадных математических задач · генерация и анализ программного кода · помощь в сложной программной инженерии

Англоязычная преимущественно модель Qwen3 на 3,7 млрд параметров, дообученная на ответах более крупной модели для рассуждений, программирования и диалоговых задач.

Подходит для: решение математических задач с пошаговыми рассуждениями · генерация и объяснение программного кода · ответы на научные вопросы

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

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

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

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

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

Экспериментальная языковая модель WeiboAI на 1,5 млрд параметров для решения математических задач соревновательного уровня и генерации алгоритмического кода.

Подходит для: решение задач математических олимпиад на английском языке · генерация решений для задач LeetCode · написание алгоритмов для соревнований по программированию

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

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

Немецкоязычная модель Qwen2 на 7,1 млрд параметров, дообученная методом Dr. GRPO для генерации рассуждений и решения проверяемых математических задач.

Подходит для: решение математических задач с пошаговыми рассуждениями на немецком · генерация немецкоязычных объяснений к математическим ответам · оценка подходов к обучению языковых моделей с подкреплением

Дообученная модель Mixture-of-Experts для генерации текста, математических задач, программирования и сложных рассуждений.

Подходит для: Решение математических задач и олимпиадных примеров · Написание и отладка программного кода · Ответы на вопросы, требующие многошаговых рассуждений

GLM-Z1-32B-0414 — 32-миллиардная диалоговая модель для генерации текста и решения сложных математических, программных и логических задач.

Подходит для: решение сложных математических задач · объяснение и написание программного кода · логический анализ многошаговых задач

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 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

Дообученная Qwen2.5-7B модель для математических задач о беспроводной связи и исследовательских экспериментов с WirelessMathBench-XL.

Подходит для: решение математических задач о беспроводной связи · проверка способности LLM рассуждать о беспроводных системах · эксперименты с обучением GRPO для инженерных задач

Нейросимволическая языковая модель на базе Qwen2.5-0.5B для генерации текста, математических рассуждений и исследований адаптивной памяти.

Подходит для: ответы на математические вопросы с пошаговыми рассуждениями · генерация структурированных решений уравнений · эксперименты с нейросимволическими методами рассуждения