IV.5Образование и развитие навыков

davemaxuellkr/260814-writer-model — корейская модель для генерации обоснований при оценке аргументативных эссе, дообученная на Qwen/Qwen3.5-9B. Она принимает исходный текст эссе и заранее рассчитанные оценки по содержанию, структуре и выражению, после чего составляет соответствующие этим оценкам обоснования на корейском языке в формате JSON. Модель предназначена для использования в составе конвейера оценки: оценки должен предоставить внешний scorer, веса которого в репозитории отсутствуют. В README описана последовательность дообучения SFT, DPO и GRPO; оценка качества обоснований на проектном наборе из 400 эссе составила 4,3926 по локальной прокси-метрике. Это не официальный результат соревнования и не оценка точности предсказания баллов. Для прежнего этапа обучения GRPO отмечено ограничение: score-conditioning не был полностью изолирован по фолдам. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Модель Desklib AI Text Detector Academic предназначена для классификации англоязычного текста как написанного человеком или сгенерированного ИИ, прежде всего в академическом контексте. Она может применяться для проверки учебных работ, оценки подлинности научных текстов и модерации содержимого. Модель дообучена на базе microsoft/deberta-v3-large и использует архитектуру DeBERTa V3 с mean pooling и линейным классификатором. Размер составляет 533,8 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт классификацию; основным языком является английский. Модель ориентирована на академические тексты и, по заявлению разработчика, справляется с базовыми манипуляциями, однако может хуже работать с общими и творческими текстами и не настроена на продвинутые состязательные атаки. Детекторы ИИ-текста могут ошибаться, а новые генеративные модели со временем способны снизить точность. Лицензия — MIT.

BaAMR-Math-12K — дообученная на математических задачах модель на базе Qwen2.5-1.5B-Instruct, разработанная автором репозитория mdhamidhosen. Она предназначена для решения задач математики уровня 6–10 классов на бенгальском и английском языках: модель показывает ход решения и завершает ответ строкой «Answer: …» или «উত্তর: …». Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. В репозитории указаны веса safetensors, лицензия Apache-2.0 и слияние LoRA-адаптера с базовой моделью. В описанной оценке точность составила 49,6% на отложенных шаблонах; результаты различались для бенгальского и английского языков, а на задачах математического рассуждения точность была особенно низкой. Обучение велось на шаблонно сгенерированных задачах для средней школы, поэтому модель не предназначена для олимпиадной математики и не оценивалась на задачах типа GSM8K. Авторы также отмечают возможные арифметические ошибки, отсутствие независимой проверки учителями и не рекомендуют применять модель в ситуациях с высокими ставками; ответы следует проверять.

BODHI — языковая модель для математических задач, разработанная в рамках проекта BODHI. Она создана методом дистилляции длинных цепочек рассуждений на базе Qwen/Qwen3-8B-Base и содержит 7,6 млрд параметров. Модель генерирует текст, поддерживает диалоговый сценарий и рассчитана на контекст до 32 768 токенов. BODHI предназначена для решения математических задач с развёрнутыми рассуждениями. В карточке приведён результат 18,82% на AIME25 при температуре 1,0, контексте 16K и оценке pass@8. Модель распространяется в формате safetensors по лицензии MIT.

Bumblebee-7B — языковая модель Q-bert, дообученная на Mistral-7B-v0.1 с использованием набора MetaMathQA. Она предназначена для генерации текста в диалоге, в том числе для математических вопросов и ответов; карточка поддерживает формат ChatML. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель ориентирована на англоязычные запросы. Её можно применять для решения математических задач и ведения диалога на основе текста. Лицензия — Apache-2.0. Карточка не содержит доступных результатов оценки качества, поэтому фактическую точность ответов следует проверять на целевых задачах.

Cedar-GRPO-Qwen2.5-3B — полноразмерный чекпойнт Qwen/Qwen2.5-3B после 1000 шагов обучения GRPO из коллекции Cedar Math, созданной zbeeb. Модель предназначена для генерации текста в диалоге и решения математических задач; обучение проводилось на датасете Cedar GRPO DAPO Math из 17 005 примеров с вознаграждением за математическую эквивалентность итогового ответа. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров. В репозитории находятся веса Safetensors и токенизатор; исходная конфигурация контекста — 32 768 токенов, однако обучение и приведённые оценки использовали контекст 4 096 токенов. В карточке указаны английский и китайский языки. Разработчик описывает настройки обучения и процедуру проверки экспорта, но приведённый фрагмент оценок не содержит численных результатов. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в карточке модели.

Chess Puzzle Generator — модель Naapeli для генерации шахматных задач с помощью маскированной диффузии. Доступны две версии по 268 млн параметров: основная версия, описанная в статье на arXiv, ориентирована на позиции с единственным решением и соответствием заданным темам; версия из заявки AAAI сильнее оптимизирована на неожиданность и уникальность задач. Модель принимает условия в виде шахматных тем, рейтинга сложности, частичной позиции в формате FEN и/или хода-решения в формате UCI и генерирует позиции с ходом. Поддерживает пакетную генерацию и настраиваемые шаги диффузии, температуру и порядок генерации ходов и доски. Репозиторий использует формат safetensors и custom pipeline; лицензия — MIT. Генерация не гарантирует, что полученная позиция является корректной задачей, поэтому результаты следует проверять и фильтровать. README не указывает поддержку естественных языков; модель предназначена для работы с шахматными обозначениями и структурами.

Tianqiao/DeepSeek-7B-Math-Compare-Answer — модель генерации текста на архитектуре Llama, предназначенная для сравнения математических ответов. В README заявлена поддержка разных типов математических задач и форматов ответов, а также интеграция в существующие системы; подробностей о методе сравнения и API карточка не приводит. Модель содержит 6,5 млрд параметров, использует формат PyTorch и поддерживает контекст до 4096 токенов. Репозиторий распространяется по лицензии CC BY-SA 4.0. README не сообщает базовую модель или языки, поэтому описание ограничено подтверждёнными характеристиками.

QuantFactory/deepseek-math-7b-instruct-GGUF — квантизированная версия DeepSeek-Math-7B-Instruct, разработанная QuantFactory на основе модели deepseek-ai/deepseek-math-7b-instruct с использованием llama.cpp. Это текстовая авторегрессионная модель примерно на 7 миллиардов параметров в формате GGUF, предназначенная для локального запуска и генерации текста. Модель ориентирована прежде всего на решение математических задач и ответы с пошаговым рассуждением. В README приведены шаблоны запросов для английского и китайского языков, в которых рекомендуется явно просить рассуждать по шагам и помещать итоговый ответ в \boxed{}. Модель поддерживает сценарии чат-взаимодействия и text generation, однако точный размер контекста и перечень поддерживаемых языков не указаны. Сильными сторонами являются специализация на математике, возможность локального использования через llama.cpp и сниженные требования к ресурсам благодаря квантизации. Ограничения включают отсутствие мультимодальности в описании, неизвестные параметры конкретной квантизации и необходимость учитывать особенности шаблона запросов: system prompt для этой версии не рекомендуется использовать. Репозиторий распространяется по MIT License, а использование самой модели регулируется отдельной DeepSeek Model License; README указывает, что коммерческое использование поддерживается.

GPT-2 Open Platypus — авторегрессионная языковая модель на архитектуре GPT-2, дообученная Luiz G A Alves на инструкциях с использованием набора Open-Platypus, ориентированного на STEM-темы и логические задачи. Модель предназначена для генерации текста и ответов на вопросы; её можно использовать напрямую или дообучать для прикладных задач. Модель работает с английским текстом и имеет контекстное окно 1024 токена. В карточке приведены результаты бенчмарков ARC и HellaSwag, однако они не гарантируют качество на пользовательских задачах. Модель может выдавать фактические ошибки и унаследовать предвзятость и неотфильтрованное содержание обучающих данных. Лицензия — MIT.

yingfanbot/gsm-lotus-llama3b-nl — экспериментальная модель Yingfanbot для пошагового рассуждения на естественном языке. Она дообучена на базе meta-llama/Llama-3.2-3B-Instruct с архитектурой LOTUS, использующей зацикленные трансформерные блоки: латентные блоки обучаются согласовываться с шагами рассуждения на естественном языке. Модель содержит 3,2 млрд параметров, поддерживает контекст до 131072 токенов и рассчитана на генерацию текста в диалоговом формате. Основной сценарий — решение математических текстовых задач GSM8K с явными шагами рассуждения. В README сообщается точность 68,54% на тестовой выборке GSM8k-Aug; конфигурация использует 6 латентных блоков и 6 итераций зацикливания. Для загрузки весов через from_pretrained требуется отдельный код LOTUS для архитектуры с зацикленными блоками. Модель распространяется по лицензии MIT.

HamAI-Science-1b — компактная языковая модель Haamipromax для ответов на вопросы по естественным наукам на английском языке. Она дообучена на базе TinyLlama/TinyLlama-1.1B-Chat-v1.0 и использует плотную архитектуру Llama с генерацией текста; размер модели — около 1 млрд параметров, контекст — 2048 токенов. Модель предназначена для учебных сценариев: она формулирует простые объяснения по физике, химии и биологии, помогает учащимся разбирать базовые вопросы и может служить основой для образовательного помощника. В карточке указаны наборы вопросов и ответов по науке, учебники и научные материалы, использованные при обучении. Модель ориентирована на понятные ответы, а не на сложные исследовательские задачи. Доступны форматы Safetensors и GGUF; лицензия — Apache-2.0.

neurlang/ipa-whisper-small — модель распознавания речи на базе Whisper small от OpenAI, дообученная на 15 000 синтетических аудиозаписей с фонетической разметкой IPA. В обучающую выборку вошли случайные записи Common Voice 21 на более чем 70 языках; синтетические IPA-данные созданы с помощью фонемизатора goruut. Это трансформерная модель типа encoder-decoder с 153,1 млн параметров. Модель предназначена для преобразования речи в фонетическую транскрипцию IPA и демонстрирует обобщение на разные языки и аудиодомены. Whisper также поддерживает обычную транскрипцию речи; для длинных записей README описывает обработку фрагментами по 30 секунд. Модель принимает аудио и выдаёт текстовую транскрипцию. Качество может снижаться для языков с малым объёмом обучающих данных и для отдельных акцентов и диалектов. Возможны галлюцинации — добавление слов, отсутствующих в аудио, — и повторяющиеся фрагменты. Модель распространяется по лицензии Apache-2.0.

KULLM-R — языковая модель, разработанная Сын Юном Ли, Минхёком Кимом, Донжуном Кимом, Гюхо Шимом и Чанджуном Паком при поддержке NLP&AI Lab Корейского университета. Она дообучена на базе Qwen/Qwen3-8B с помощью обучения с подкреплением и предназначена для сложных задач рассуждения на корейском языке, особенно для решения математических задач. Модель генерирует ход решения и итоговый ответ, стремясь избегать лишних шагов и сохранять ясность объяснения. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Она принимает текст и генерирует текст; основные языки — корейский и английский, при этом ответы особенно ориентированы на корейский язык. В обучении использовался набор ko-limo из 817 примеров. Модель распространяется по лицензии Apache-2.0.quality and performance beyond the description in the model card are not established.

LittleLearner 5B Chatty — разговорная языковая модель, созданная в рамках исследования LittleLearner. Это плотная модель Qwen3ForCausalLM примерно на 5 млрд параметров, дообученная методом SFT для общения, ответа на вопросы и соблюдения инструкций о формате ответа. Её предварительно обучали на корпусе LittleCurriculum, отфильтрованном по учебным материалам США для классов K–5; в SFT использовали примеры по математике K–5, общие диалоги, GSM8K и инструкции к форматированию ответов. Модель рассчитана на непринуждённый чат, задачи начальной школьной математики, ответы с объяснением или только результатом, а также управление длиной ответа и форматом через запрос пользователя или системную инструкцию. Контекст составляет 4096 токенов; модель принимает текст и генерирует текст. Карточка сообщает результаты на MathCAMPS и тестах следования формату, но они не гарантируют качество на других задачах. Ограниченная учебной тематикой предобучающая выборка может сужать знания модели. Указана лицензия other; конкретные условия использования в карточке не приведены.

Llama-3.1-Hawkish-8B — дообученная модель mukaj на архитектуре Llama 3.1 с 7,5 млрд параметров. Авторы дополнительно обучили её на финансовых инструкциях по экономике, облигациям с фиксированным доходом, акциям, корпоративному финансированию, деривативам и управлению портфелем, смешав данные с примерами по программированию, общим знаниям, NLP и диалогам. Модель предназначена для генерации ответов и диалога; среди заявленных сценариев — разбор финансовых и экономических вопросов, математические рассуждения и подготовка к экзамену CFA Level 1. В карточке указано контекстное окно 131 072 токена, поддержка чата и интерфейса вызова инструментов; основным языком заявлен английский. README сообщает об улучшении результатов на некоторых тестах, в частности по математике и экономике, но не приводит здесь полные таблицы результатов. Это не подтверждает точность ответов в практических финансовых сценариях. Авторы разрешают использование только в академических и исследовательских целях и запрещают применение в производственных средах и для финансовых решений или консультаций. Лицензия в метаданных обозначена как other; README также указывает, что модель предоставляется без гарантий точности и надёжности.

OliverSundaram/Llama-3.2-1B-MathCodeInstruct-10k — дообученная модель семейства Llama 3.2, разработанная Oliver Sundaram на базе unsloth/Llama-3.2-1B. Она обучалась на 10 тысячах примеров MathCodeInstruct и предназначена для решения математических текстовых задач с пошаговым объяснением на естественном языке, в которое включён исполняемый код Python. Модель имеет плотную архитектуру LlamaForCausalLM и около 1,2 млрд параметров; метаданные указывают контекст до 131 072 токенов. Она принимает текст и генерирует текст, включая фрагменты кода. В карточке заявлен английский язык. На GSM8K результат составил 8,7% против 5,8% у базовой модели; показатели ARC-Challenge и HellaSwag немного снизились относительно базы. Это небольшая специализированная настройка, не предназначенная для роли универсального ассистента. Обучение проведено за одну эпоху; дополнительного safety alignment или RLHF не применялось. Репозиторий использует формат safetensors. Лицензия указана как other, поэтому конкретные условия следует проверить в файлах репозитория перед использованием.

Llama-3.2-3B-F1-Reasoning-Instruct (Formosa-1-Reasoning, F1-Reasoning) — языковая модель на архитектуре LlamaForCausalLM, совместно разработанная Twinkle AI и APMIC при техническом содействии Национального центра высокоскоростных вычислений Тайваня. Это дообученная на инструкциях модель с 3 млрд параметров, ориентированная прежде всего на традиционный китайский язык в тайваньском контексте, а также на английский. Она предназначена для диалогов, следования инструкциям и задач рассуждения; авторы указывают сценарии в области права, образования и повседневных запросов. Модель обучена в формате Hermes и поддерживает параллельные вызовы инструментов через соответствующий шаблон чата. В карточке приведены результаты оценивания на наборах TMMLU+, по праву Тайваня, MMLU, MATH-500 и GPQA Diamond; они описывают тестирование авторов и не гарантируют качество на других задачах. Для запуска с указанной в README конфигурацией вызова инструментов требуется vLLM версии 0.8.3 или выше. Модель распространяется по лицензии llama3.2.

wls04/math_cau7b — дообученная с помощью TRL модель на базе Qwen/Qwen2.5-Math-7B-Instruct. По метаданным это плотная архитектура Qwen2 с 7,1 млрд параметров, предназначенная для классификации токенов; среди тегов указана bidirectional PRM, что указывает на оценивание шагов математического рассуждения. Модель можно применять для разметки или оценки отдельных фрагментов математических решений. Метаданные указывают контекст 4096 токенов и формат safetensors. README содержит пример вызова text-generation, однако метаданные классифицируют модель как token-classification, поэтому пример не подтверждает генеративную задачу. Карточка не описывает конкретную схему меток и детальные ограничения качества. Лицензия в предоставленных данных не указана.

modrill обучил эту плотную языковую модель методом полного SFT на базе Qwen3-4B-Base для решения математических задач. Модель обучалась на 75 649 примерах датасета math_nothink_strip в течение двух эпох; в эксперименте из запросов удалены блоки рассуждений, а шаблон qwen3_nothink рассчитан на ответы без таких блоков. Размер модели — 3,7 млрд параметров, контекст — до 32 768 токенов. Она генерирует текст и предназначена прежде всего для математических запросов. Репозиторий использует формат safetensors и лицензию Apache-2.0.

modrill/math-nothink-strip-s2-qwen3-4b — дообученная плотная языковая модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B-Base. Это второй этап продолженного обучения модели math-nothink-strip-v2 в рамках Light-R1 stage2: один проход обучения с длиной отсечения 4096 токенов и скоростью обучения 3e-6. Модель предназначена для генерации текста в диалоговом формате и ориентирована на математические задачи без развёрнутых рассуждений. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текст; заявленный родной контекст базовой модели составляет 32 768 токенов. В репозитории представлены веса safetensors. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка не сообщает результаты оценивания или подробные границы применимости.

beyoru/MCQ-o1-1 — компактная модель генерации текста, разработанная beyoru на основе Qwen2.5-3B-Instruct. Она дообучена методом DoRA с LoRA ранга 1 и alpha 1 в течение одной эпохи на наборе beyoru/Tin_hoc_mcq. Модель предназначена для генерации ответов в узкой предметной области, связанной с этим набором данных; метаданные также указывают на разговорный режим и поддержку английского и вьетнамского языков. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит около 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Распространяется в формате PyTorch по лицензии Apache-2.0. Низкий ранг адаптации может ограничивать устойчивость структурированных ответов; автор отмечает, что увеличение ранга может улучшить структуру.

ChenWeiLi/Med-ChimeraLlama-3-8B_SHERP — объединённая модель на архитектуре Llama 3, созданная методом SLERP с помощью mergekit из mlabonne/ChimeraLlama-3-8B-v3 и johnsnowlabs/JSL-MedLlama-3-8B-v2.0. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста; медицинские тесты в карточке показывают её применение для ответов на вопросы и решения задач медицинского образования. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В опубликованной оценке указаны результаты на наборах MedMCQA и MedQA, а также агрегированный результат для группы STEM. Лицензия — Llama 3.

Weyaxi/MetaMath-neural-chat-7b-v3-2-Slerp — объединённая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit методом slerp из MetaMath-Mistral-7B и Intel/neural-chat-7b-v3-2; в конфигурации базовой моделью указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста, в том числе ответов на математические вопросы и диалоговых ответов. Модель предназначена для экспериментов и прикладной генерации текста с сочетанием математических навыков MetaMath и диалоговых возможностей Neural Chat. Контекст составляет 32 768 токенов; веса доступны в формате Safetensors. Репозиторий указывает лицензию Apache-2.0. Карточка не приводит отдельных оценок качества или ограничений, поэтому фактическая надёжность математических ответов не установлена.

MuMath-Code-L-7B — языковая модель для математических рассуждений с генерацией кода и использованием инструментов. Она входит в серию MuMath-Code, разработанную авторами проекта MuMath-Code; модель обучали в два этапа: сначала на MuMath-Data, затем на наборе MuMath-Code-Data, объединяющем задачи математического рассуждения и примеры взаимодействия с кодом. Архитектура — плотная LlamaForCausalLM примерно на 6,6 млрд параметров, формат весов — PyTorch; контекст составляет 4096 токенов. Модель предназначена для решения математических задач, в том числе с генерацией кода и его выполнением как вспомогательным инструментом. README описывает серию как ориентированную на математические бенчмарки GSM8K и MATH, однако результаты конкретно этой версии в доступном тексте не приведены. Для запуска авторы предлагают использовать vLLM. Лицензия в предоставленных данных не указана.

Neural-4-GSM8K-7B-slerp — слитая модель генерации текста, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и Eric111/Mayo методом SLERP. Это плотная MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов, сохранённая в формате safetensors. Модель предназначена для генерации текста и решения математических задач, в частности задач GSM8K. В конфигурации слияния для слоёв внимания и MLP заданы отдельные веса смешивания; базовой указана louisbrulenaudet/Pearl-7B-slerp. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретных математических задач следует проверять на собственных примерах. Условия лицензии в предоставленных данных не описаны.

asn1814/openbookqa_bert-base-uncased — модель BERT, дообученная для выбора ответа из нескольких вариантов. Она предназначена для задач с вопросом и набором ответов, в частности для тестирования на понимание естественно-научных знаний в формате OpenBookQA. Модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов; веса опубликованы в формате safetensors. Разработчик указывает, что набор данных для дообучения неизвестен, а дополнительных сведений об обучении и назначении не приводит. На указанном в карточке наборе оценки точность составила 0,53, поэтому качество может быть ограниченным. Лицензия — Apache-2.0.

P1-30B-A3B — языковая модель серии P1, разработанная для решения задач по физике и подготовки к физическим олимпиадам. Она построена на Qwen3-30B-A3B-Thinking-2507 и дообучена в несколько этапов с подкреплением на отобранных данных физических соревнований. Архитектура — Qwen3 MoE с генерацией текста; в репозитории доступны веса safetensors. Метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов. Модель предназначена для пошагового рассуждения над сложными задачами по физике. В карточке также заявлены результаты на математических, STEM- и кодовых бенчмарках: например, серебряный уровень на IPhO 2025 и улучшение относительно базовой модели на ряде тестов. Это результаты, приведённые авторами, и они не гарантируют аналогичную точность на произвольных задачах. Модель поддерживает английский и заявлена как многоязычная; конкретные языки, кроме английского, карточка не перечисляет. Лицензия — Apache-2.0.

PJiNH/QFFT-repro-LIMO-SFT-7B — независимая репродукция базовой модели SFT из работы QFFT: Question-Free Fine-Tuning for Adaptive Reasoning (Liu et al., 2025). Это плотная авторегрессионная языковая модель семейства Qwen2, полученная полным дообучением Qwen/Qwen2.5-7B-Instruct на 817 вопросах и ответах из GAIR/LIMO. Модель использует Transformers и веса Safetensors; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговой генерации текста с пошаговыми рассуждениями и финальным ответом в формате \boxed{}. В README приведены результаты воспроизведения на GSM8K, MATH500 и AIME25; это математические задачи, а результаты отдельных бенчмарков не гарантируют аналогичное качество в других сценариях. Репродукция отличается от исходной настройки статьи по формату входа и ряду деталей обучения, поэтому это не чекпойнт авторов QFFT. Указана лицензия Apache-2.0; базовая модель также распространяется по Apache-2.0.

Qwen-0.5B-GRPO — компактная языковая модель Davut Emre Taşar для пошагового решения школьных математических задач. Это плотная причинная модель семейства Qwen2 на 494 млн параметров, дообученная методом GRPO на наборе GSM8K на базе Qwen/Qwen2.5-0.5B-Instruct. Модель принимает текст и генерирует текст; в карточке указан контекст до 32 768 токенов. Модель формирует структурированные ответы с промежуточными рассуждениями и итоговым ответом. Она рассчитана на учебные и исследовательские демонстрации, а также на лёгкие образовательные приложения для решения математических задач. Репозиторий содержит веса в формате safetensors и использует Transformers; README также упоминает vLLM для ускорения инференса. Небольшой размер модели и обучение в течение одной эпохи ограничивают надёжность на сложных задачах. Эвристические функции вознаграждения могут не учитывать тонкости рассуждений, а формат ответа с тегами может потребовать адаптации. Результаты следует проверять; модель не предназначена для решений с высокими последствиями и может быть слабее вне математики. Лицензия в карточке не приведена; README отсылает к лицензии базовой модели.