IV.6Научные исследования, математика и новые материалы

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_cap_b8000_s0 — дообученная плотная языковая модель семейства Qwen3, созданная на базе Qwen/Qwen3-4B-Base. В модели около 3,7 млрд параметров; она использует архитектуру Qwen3ForCausalLM и формат safetensors. Контекст — до 32 768 токенов. Модель предназначена для генерации текста и настроена на данных capsd_Qwen3-4B-Base-n80000-numina__mix_math_cap_b8000_s0, что указывает на специализацию дообучения на математических данных. Может использоваться для генерации решений и объяснений к математическим задачам, однако карточка не содержит описания сценариев применения или результатов оценки качества. Указанная лицензия — other; конкретные условия в доступных сведениях не раскрыты.

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_random_b1000_s0 — дообученная языковая модель на базе Qwen/Qwen3-4B-Base. По названию датасета capsd_Qwen3-4B-Base-n80000-numina__mix_math_random_b1000_s0 модель ориентирована на генерацию текста в математических задачах; README не приводит подробностей об обучении и результатах оценки. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 3,7 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Метаданные указывают библиотеку Transformers и формат весов safetensors. Языки обучения или поддержки отдельно не перечислены. Модель можно применять для генерации решений и объяснений математических задач, а также для экспериментов с адаптацией базовой модели. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке репозитория.

Cedar-GRPO-Qwen2.5-Math-1.5B — полноразмерный чекпойнт Qwen/Qwen2.5-Math-1.5B после 1000 шагов дообучения методом GRPO. Его разработал zbeeb как часть коллекции Cedar Math; обучение проводилось на наборе из 17 005 математических задач Cedar GRPO DAPO Math. Модель представляет собой плотную авторегрессионную архитектуру Qwen2 и содержит 1,5 млрд параметров. Модель предназначена для генерации решений математических задач в диалоговом формате. Контекст составляет 4096 токенов; при обучении использовался предел до 3072 токенов на завершение. Обучение оптимизировало математическую эквивалентность итогового ответа. Карточка сообщает об оценивании на математических бенчмарках, но приведённые результаты являются самоотчётом разработчика. Весы сохранены в Safetensors без потерь в исходной плавающей точности чекпойнта; для инференса модель можно загружать в BF16. Поддерживаются английский и китайский языки. Модель распространяется по лицензии Apache-2.0.

DART-Math-Llama3-8B-Prop2Diff — дообученная HKUST-NLP языковая модель для решения математических задач и пошаговых рассуждений. Она основана на Meta-Llama-3-8B и обучена методом instruction tuning на синтетических данных DART-Math-Hard, сформированных из наборов MATH и GSM8K с помощью отбора ответов с учётом сложности задач. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые инструкции на английском языке. Модель предназначена для генерации решений по математике: от задач уровня школьной алгебры до сложных задач из математических бенчмарков. В README указаны сравнительные результаты семейства DART-Math на нескольких математических тестах, однако конкретные оценки именно этой версии не приведены. Контекстная длина по метаданным — 8192 токена. Репозиторий распространяет веса в формате safetensors; лицензия — llama3, унаследованная от Meta Llama 3.

DiRL-8B-Instruct — языковая модель с диффузионной архитектурой SDAR на 7,6 млрд параметров, разработанная командой OpenMOSS-Team для математических рассуждений. Она дообучена на основе JetLM/SDAR-8B-Chat в два этапа: SFT и обучение с подкреплением (RL). Модель предназначена для решения математических задач и ответов в диалоговом формате; карточка сообщает о результатах на тестах MATH500, GSM8K, AIME и OlympiadBench. Модель принимает текст и генерирует текст, поддерживает английский и китайский языки, использует библиотеку Transformers и имеет контекстное окно 32 768 токенов. В README заявлены высокие результаты среди моделей масштаба 8B, однако приведённая таблица неполная, поэтому эти сравнения нельзя независимо оценить по карточке. Модель распространяется по лицензии Apache-2.0.

IncorrectTraceSFT · MATH random mask 25 — модель Qwen2.5-7B, полностью дообученная авторами эксперимента «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Это вариант random_mask_25 в эксперименте по маскированию математических решений. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и распространяется в формате safetensors; базовая модель — Qwen/Qwen2.5-7B. Модель предназначена для генерации текста и исследования математических рассуждений, в частности влияния отбора обучающих данных на supervised fine-tuning. Она принимает текстовые запросы и генерирует текстовые ответы; карточка указывает английский язык и контекст до 131 072 токенов. Чекпойнт получен после 125 обновлений оптимизатора, поэтому результаты следует оценивать в рамках описанного авторами эксперимента; наличие правильных ответов в данных не означает, что промежуточные шаги рассуждений были проверены. Лицензия — Apache-2.0.

Trelis/Llama-3.2-1B-Instruct-MATH — языковая модель Trelis для генерации текста и ответов в формате чата, дообученная на математических данных на основе Trelis/Llama-3.2-1B-Instruct-MATH-synthetic. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1,2 млрд параметров; она принимает текст и выдаёт текст. Карточка указывает окно контекста до 131072 токенов и английский язык. При обучении использовались Unsloth и Hugging Face TRL. Модель предназначена для генерации ответов на математические запросы и других сценариев генерации текста, поддерживаемых базовой инструктивной моделью. Метаданные также отмечают интерфейс для вызова инструментов, но README не описывает его поведение или качество. Модель распространяется в формате safetensors по лицензии Apache-2.0.

LUFFY-Qwen-Math-7B-Zero-On-Policy — языковая модель Elliott, дообученная на базе Qwen/Qwen2.5-Math-7B методом обучения с подкреплением. Это on-policy базовый вариант проекта LUFFY, использующий подмножество OpenR1-Math-220k; подход LUFFY сочетает генерацию собственных решений с внешними цепочками математических рассуждений при обучении. Модель предназначена для генерации пошаговых решений математических задач, включая задачи олимпиадного и конкурсного уровня. Она основана на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и поддерживает контекст до 16 384 токенов. В карточке приведены результаты оценки на AIME 2024/2025, AMC, MATH-500, Minerva и Olympiad; README заявляет преимущество над другими методами zero-RL, но приведённая таблица неполна. Модель принимает текст и генерирует текст. Базовая модель ориентирована на английский и китайский языки; отдельные сведения о языковом охвате дообученной версии не приведены. Репозиторий распространяет веса в формате safetensors по лицензии MIT.

MathBERT — англоязычная модель семейства BERT, разработанная для работы с математическими текстами. Она содержит 136,7 млн параметров и обучена на корпусе примерно из 100 млн токенов: от школьных учебных программ до университетских учебников и аннотаций математических статей. Модель без учёта регистра, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Модель предсказывает замаскированные слова и может применяться для извлечения признаков и последующего дообучения на задачах классификации последовательностей и токенов, а также ответов на вопросы по математическим текстам. Она предназначена прежде всего для математических текстов; для генерации математического текста в карточке рекомендуются авторегрессионные модели. Условия лицензирования в предоставленных данных не описаны.

Карточка модели MathLLMs/MathCoder-CL-34B на Hugging Face совпадает с карточкой MathLLMs/MathCoder-L-7B, поэтому описание составлено по ней. MathCoder-L-7B — языковая модель семейства Llama, разработанная командой MathLLMs для решения математических задач. Это версия на 7B-класса, дообученная на наборе MathCodeInstruct; в README базовой моделью указана Llama 2. Модель генерирует текстовые решения математических задач и предназначена для использования через библиотеку Transformers.

Карточка модели MathLLMs/MathCoder-CL-7B на Hugging Face совпадает с карточкой MathLLMs/MathCoder-L-7B, поэтому описание составлено по ней. MathCoder-L-7B — языковая модель семейства Llama, разработанная командой MathLLMs для решения математических задач. Это версия на 7B-класса, дообученная на наборе MathCodeInstruct; в README базовой моделью указана Llama 2. Модель генерирует текстовые решения математических задач и предназначена для использования через библиотеку Transformers.

Mathmate-7B-DELLA-ORPO — дообученная компанией Haleshot языковая модель для генерации текста и решения математических задач. Она основана на Haleshot/Mathmate-7B-DELLA и дополнительно настроена методом ORPO (Odds Ratio Preference Optimization) на наборе argilla/distilabel-math-preference-dpo с примерами решений, ранжированными по предпочтениям людей. Модель использует плотную архитектуру Llama с примерно 6,5 млрд параметров и контекстом до 4096 токенов. Она предназначена для математических рассуждений, пошаговых объяснений и выбора более предпочтительных решений. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Модель может ошибаться в вычислениях и рассуждениях, поэтому её ответы, особенно для сложных задач, следует проверять.

MiniMath-R1-1.5B — компактная языковая модель Oumi AI для диалогового решения математических задач. Это версия Qwen2 с архитектурой для авторегрессионной генерации текста, дообученная методом supervised fine-tuning на наборе oumi-ai/MetaMathQA-R1 поверх DeepSeek-R1-Distill-Qwen-1.5B. Модель содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для математических вопросов и задач в формате диалога; карточка описывает её как англоязычную. По заявлению разработчика, она набрала 44,4% на MMLU-Pro-Math и улучшила базовую модель на 6 процентных пунктов. Эти результаты не гарантируют точность на других задачах. Модель ограничена возможностями небольших языковых моделей, и разработчик рекомендует не использовать её за пределами математики. Лицензия — Apache 2.0.

thainq107/ner-biomedical-maccrobat2018 — модель DistilBERT для распознавания и разметки биомедицинских сущностей в тексте. Она дообучена на базе d4data/biomedical-ner-all на датасете, который в карточке не описан; архитектура использует токенную классификацию, а максимальная длина контекста составляет 512 токенов. Модель предназначена для извлечения медицинских сущностей из биомедицинских и клинических текстов. В README приведены результаты на оценочном наборе: loss 0,6342 и accuracy 0,7903; состав набора и подробности оценки не раскрыты. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

OPDLM-MATH-4B-Thinking — модель генерации текста для математических рассуждений, разработанная на основе Qwen/Qwen3-4B командой, связанной с проектом OPDLM. Это вариант On-Policy Distillation Language Model с блочно-диффузионной архитектурой: блоки размером 4 токена уточняются за 4 шага денойзинга. Модель дообучена для математики и поддерживает явный блок рассуждений при генерации. Модель принимает текст и выдаёт текст; её можно применять для решения математических задач и пошагового объяснения рассуждений. Архитектура — адаптация Qwen3-4B с примерно 3,7 млрд параметров. В README указано обучение на длинном контексте 8k, тогда как метаданные сообщают максимальную длину контекста 40 960 токенов. Для запуска требуется пользовательский код модели с trust_remote_code=True и специальные утилиты генерации OPDLM; стандартный model.generate несовместим с блочно-диффузионным способом генерации. Модель распространяется по лицензии Apache-2.0. Карточка ссылается на исследовательский отчёт об OPDLM; описанное назначение — практическое решение математических задач, поэтому модель классифицируется как production.

OpenMed-NER-OncologyDetect-ElectraMed-335M — специализированная модель OpenMed для распознавания и классификации биомедицинских сущностей, связанных с онкологией и генетикой рака. Это дообученный трансформер с архитектурой BERT для token classification, содержащий 433,9 млн параметров и принимающий текстовые последовательности длиной до 512 токенов. Модель обучена на корпусе BioNLP 2013 CG и формирует BIO-разметку сущностей, включая гены и продукты генов, рак, клетки, ткани, органы и химические вещества. Она рассчитана на извлечение сущностей из научной литературы, клинических текстов и медицинских документов на английском языке. Модель может использоваться для поиска онкологических сущностей в статьях и записях, анализа генетики опухолей и подготовки данных для биомедицинских баз знаний. В README приведены F1 0,77, точность 0,76 и полнота 0,78 на упомянутой оценке; качество следует проверять на целевых текстах и сценариях, поскольку показатели на корпусе не гарантируют клиническую надёжность. Максимальный контекст — 512 токенов, поэтому длинные документы требуется разбивать на фрагменты. Лицензия — Apache-2.0.

OpenMed-NER-SpeciesDetect-BioPatient-108M — модель OpenMed для распознавания упоминаний видов и организмов в биомедицинских текстах. Это дообученный трансформер на архитектуре BERT с 135,5 млн параметров, предназначенный для токенной классификации. Модель выделяет сущности метками B-SPECIES и I-SPECIES; контекстное окно составляет 512 токенов. Модель обучена на корпусе LINNAEUS и рассчитана на извлечение названий видов из научной литературы, клинических записей и других биомедицинских документов. Её можно применять для поиска упоминаний организмов, анализа литературы и построения биомедицинских баз знаний. В карточке заявлены F1 0,94, точность 0,92 и полнота 0,95; описание не приводит подробностей о методике оценки на клинических данных. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей. Лицензия — Apache-2.0.

OpenMed-NER-SpeciesDetect-SuperClinical-434M — модель OpenMed для распознавания упоминаний видов и организмов в биомедицинском тексте. Это дообученный трансформер DeBERTa-v2 с архитектурой токенной классификации, примерно 533,8 млн параметров и контекстом до 512 токенов. Модель принимает токенизированный текст и размечает названия организмов тегами B-SPECIES и I-SPECIES. Модель предназначена для извлечения названий видов из клинических документов и научной литературы, а также для текстового анализа в биомедицинских исследованиях. В README указано, что обучение проводилось на корпусе LINNAEUS; приведены метрики F1 0,95, точность 0,94 и полнота 0,97. Заявленные показатели и производственная готовность относятся к описанию автора и не подтверждают качество на произвольных данных. Поддерживается английский язык. Лицензия — Apache-2.0.

OpenMed разработала OpenMed-NER-SpeciesDetect-TinyMed-66M — модель распознавания видов и организмов в тексте, дообученную для биомедицинского NER на корпусе LINNAEUS. Она основана на DistilBERT и размечает упоминания видов BIO-тегами B-SPECIES и I-SPECIES; модель принимает токенизированный текст и возвращает классификацию токенов. Указанная длина контекста — 512 токенов. Модель предназначена для извлечения названий видов из биомедицинских публикаций и других текстов, а также для построения конвейеров поиска и анализа таксономических упоминаний. Карточка приводит F1 0,93, точность 0,92, полноту 0,93 и accuracy 0,99; это показатели, заявленные для оценки модели в карточке. README также перечисляет сценарии клинического анализа и поиска по научной литературе, но выходные метки модели относятся именно к видам и организмам. Модель распространяется в формате safetensors и совместима с Transformers. Лицензия — Apache-2.0. Ограничения: контекст ограничен 512 токенами; качество на конкретных текстах и за пределами домена, на котором проверялась модель, может отличаться от приведённых в карточке метрик.

OpenMed-NER-SpeciesDetect-TinyMed-82M — специализированная модель OpenMed для распознавания названий видов и организмов в тексте. Она дообучена для задачи классификации токенов на корпусе LINNAEUS и размечает упоминания видов тегами B-SPECIES и I-SPECIES, включая научные и общеупотребительные названия. Основа — distilroberta-base; архитектура RoBERTa, около 95,2 млн параметров, контекст до 514 токенов. Модель принимает токенизированный текст и выдаёт BIO-разметку сущностей. Модель предназначена для извлечения названий организмов из биомедицинских статей и других текстов, а также для биомедицинского текстового майнинга и построения баз знаний. В README приведены показатели на LINNAEUS: F1 0,88, точность 0,85 и полнота 0,92. Эти результаты относятся к указанному корпусу; качество на клинических документах и других доменах отдельно не подтверждено. Карточка указывает английский язык. Лицензия — Apache-2.0.

OpenMed-ZeroShot-NER-Species-Small-166M — модель OpenMed для извлечения из текста упоминаний видов и организмов. Она построена на архитектуре GLiNER и дообучена на корпусе LINNAEUS, содержащем научные и общеупотребительные названия видов; в карточке также заявлена обработка сокращённых форм. Модель принимает биомедицинский текст и возвращает найденные сущности с метками, поддерживая zero-shot настройку типов сущностей. Модель предназначена для извлечения названий организмов из научной литературы и биомедицинских текстов, включая задачи индексирования литературы, метагеномных отчётов и анализа биоразнообразия. В README указана оценка F1 0,78 на тестовой выборке LINNAEUS, не использованной при обучении. Это специализированная модель распознавания видов, поэтому качество на других типах сущностей и в иных текстовых доменах не подтверждено приведёнными результатами. Распространяется по лицензии Apache-2.0.

OrdinalICL for TabDPT-Turbo — модель Готье Марти для предсказания упорядоченных категорий по небольшим табличным наборам данных. Она добавляет интерфейс порядковой классификации к неизменённой основе TabDPT-Turbo: общий номинальный путь и три обученных модуля порядковой коррекции формируют вероятности для каждого уровня заданной шкалы. Основа содержит 63,5 млн параметров; релиз включает ансамбль из трёх модулей коррекции. Модель дообучена на синтетических таблицах, а её качество оценивалось также на 40 семействах реальных наборов данных. Модель предназначена для числовых табличных задач, где целевые категории имеют естественный порядок: например, рейтинги, стадии заболеваний и ответы на упорядоченные опросы. Вход — конечные числовые признаки и контекстные метки; требуется от 1 до 12 признаков и от 3 до 10 уникальных уровней, переданных в правильном порядке. Выход — распределение вероятностей по уровням шкалы. Поддерживается инференс на CPU, но CUDA работает быстрее. Лицензия — CC BY 4.0. В опубликованных экспериментах улучшение относительно сопоставимой номинальной адаптации было статистически различимым, но небольшим по абсолютной величине. Проверен контекст из 32 размеченных строк; поведение при других размерах контекста не охарактеризовано. Категориальные признаки и пропуски нужно обработать до инференса. Модель не валидирована для клинических, кадровых, кредитных и других значимых решений о людях.

Qwen2.5-3B-GRPO-Staleness-8 — языковая модель zbeeb на базе Qwen/Qwen2.5-3B, дообученная методом GRPO на 17 005 примерах математического датасета DAPO. Это плотная авторегрессионная архитектура Qwen2 с 3,1 млрд параметров; репозиторий содержит веса Safetensors для Transformers и конфигурацию генерации, останавливающую вывод по двум токенам завершения. Модель принимает текст и генерирует текст; метаданные указывают английский и китайский языки. Контекстная конфигурация — 32 768 токенов, однако обучение использовало общий контекст 4 096 токенов и до 3 072 токенов ответа. Модель предназначена прежде всего для генерации решений математических задач и ответов на них. При обучении использовалась детерминированная награда за математическую эквивалентность итогового ответа; README приводит результаты оценивания на наборах MATH500, AMC, AIME, Minerva и OlympiadBench, но подчёркивает, что это результаты обучения, а не новая проверка опубликованного экспорта. Параметр staleness cap 8 ограничивал возраст rollout-политики при обучении и не задаёт длину генерации. Расширение контекста до 8K не настроено и не проверено. Лицензия указана как other; конкретные условия следует уточнить в карточке модели.

Qwen2.5-Math-1.5B-GRPO-Staleness-2 — полноразмерный чекпойнт модели Qwen/Qwen2.5-Math-1.5B, дообученный zbeeb методом GRPO на наборе из 17 005 математических задач. Модель построена на плотной архитектуре Qwen2 и содержит 1,5 млрд параметров; поддерживает диалоговую генерацию текста и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации решений математических задач и ответов с конечным результатом, проверяемым на математическую эквивалентность. Обучение использовало групповой размер 8, отсечение PPO 0,2 и ограничение возраста данных для роллаутов в 2 шага. Веса сохранены в Safetensors; для вывода можно загрузить BF16. Карточка приводит самоотчётные результаты оценивания, но не содержит в предоставленном фрагменте самих числовых показателей. Базовая модель рассчитана на английский и китайский языки; обучение и оценивание чекпойнта также описаны для математических задач. Модель распространяется по лицензии Apache-2.0. Указанные результаты являются самоотчётными и зависят от настроек генерации и оценщика; модель может ошибаться в рассуждениях и ответах.

bartowski/Qwen2.5-Math-1.5B-Instruct-GGUF — набор GGUF-квантизаций модели Qwen2.5-Math-1.5B-Instruct, разработанной Qwen. Модель предназначена для генерации текста в диалоговом формате и решения математических задач; указанный язык — английский. Она ориентирована на локальный запуск через llama.cpp и совместима, в частности, с LM Studio. Модель содержит 1,5 млрд параметров и поставляется в вариантах от F16 до низкобитных квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ. Размер файлов составляет примерно от 0,78 до 3,09 ГБ. Доступны варианты, оптимизированные для ARM-инференса; отдельные форматы требуют поддержки SVE или i8mm. Квантизации созданы с использованием imatrix и llama.cpp, что позволяет выбирать баланс между качеством, объёмом памяти и скоростью локального запуска. Сильные стороны модели — компактный размер, специализированная математическая направленность и широкий выбор вариантов квантизации для устройств с разными ресурсами. Ограничения включают меньшую мощность по сравнению с более крупными моделями, заявленную поддержку только английского языка и возможное снижение качества в низкобитных вариантах. Для работы требуется соблюдать формат промпта Qwen и использовать совместимое ПО. Базовая модель распространяется по лицензии Apache-2.0.

Thinking-Space выпустила Qwen3-1.7B-Base-OPD — плотную авторегрессионную языковую модель семейства Qwen3 на 1,7 млрд параметров, полученную дистилляцией по схеме on-policy distillation. Модель инициализирована весами Qwen/Qwen3-1.7B-Base и обучена переносить математические рассуждения модели-учителя Qwen3-4B-Base-GRPO на наборе DAPO-Math-17k. Модель предназначена для генерации текста при решении математических задач и построении рассуждений. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и имеет карточные языковые метки английского и китайского. Компактный размер позволяет использовать её как более лёгкую альтернативу учителю, однако специализация на математике не гарантирует точность ответов и не означает универсального качества для других задач. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить её условия на странице модели.

Qwen3-1.7B-OPD-Math — компактная языковая модель на 1,7 млрд параметров, созданная на основе Qwen/Qwen3-1.7B методом on-policy-дистилляции. В качестве учителя использовалась Qwen3-4B-Instruct-2507; студент обучался в режиме без пошагового мышления на математических запросах из DAPO-Math-17k. Модель предназначена для генерации текста и диалоговых ответов с математическими рассуждениями. В карточке приведён результат 50,0% pass@8 на AIME 2024 при температуре 1,0 и top-p 0,7 после 10 шагов обучения; это результат конкретного эксперимента, а не гарантия качества на других задачах. Архитектура — плотная Qwen3ForCausalLM, контекст — до 40 960 токенов. Модель принимает и выдаёт текст; в метаданных для карточки указан английский язык. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка отмечает чувствительность reverse-KL-дистилляции к совпадению поведения учителя и студента при завершении генерации: несовпадение может привести к коллапсу длины и проблемам с выдачей EOS.

Qwen3-4B OpenThoughts3 Math SFT — Step 500 — это промежуточный чекпойнт модели Qwen3-4B, опубликованный как экспорт Hugging Face. Его создал автор репозитория, дообучив Qwen/Qwen3-4B методом supervised fine-tuning на 103 760 примерах математических рассуждений из OpenThoughts3-1.2M. Модель предназначена для экспериментов с математическими рассуждениями, SFT и дистилляцией на собственных ответах; это плотная авторегрессионная языковая модель примерно на 3,7 млрд параметров с контекстом до 40 960 токенов. Во время обучения использовался формат, в котором рассуждение и итоговый ответ выводятся в видимом канале, а блок Qwen3 thinking оставляется пустым. Для воспроизведения такого поведения карточка рекомендует использовать поставляемый шаблон чата и отключать thinking, если это поддерживает среда инференса. Модель ориентирована на английский язык и математические задачи; она генерирует текст. Чекпойнт представляет экспериментальный шаг обучения, а не готовую для эксплуатации модель; оценка AIME для него ещё не добавлена. В обучающей выборке оставляли только полные ответы с завершённым блоком рассуждения и ответом в рамке, поэтому сложность и распределение задач отличаются от полного набора OpenThoughts3. Лицензия — Apache 2.0.

Это экспериментальная дообученная модель Qwen3.5-4B из анонимной заявки на ICLR 2027. Её обучали методом GRPO с мягким штрафом DAPO за чрезмерно длинный ответ: штраф линейно возрастает на последних 512 токенах перед лимитом генерации. Модель предназначена прежде всего для математических рассуждений с бюджетом генерации 8 192 токена и форматом ответа в тегах \boxed{}. Модель основана на плотной мультимодальной архитектуре Qwen3.5 с 4 млрд параметров и поддерживает диалог и понимание изображений; в метаданных для неё указан тег image-text-to-text. Для запуска автор приводит пример с vLLM. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Чекпойнт соответствует шагу обучения 300; README не приводит результатов оценки качества, поэтому эффективность рассуждений и устойчивость соблюдения бюджета по этим сведениям оценить нельзя.

BayesRL/Qwen-C3PO-7B — плотная авторегрессионная модель семейства Qwen2, разработанная BayesRL и обученная методом C3PO для обучения с проверяемыми наградами. Она основана на BayesRL/Qwen2.5Math-IVON-SFT-7B, использует подходы GRPO и IVON с вариационным исследованием пространства параметров и предназначена для генерации решений математических задач и подготовки чекпойнтов для дальнейшего RLVR. В README указана оценка на AIME 2024–2026, MATH-500, AMC 2023 и Minerva. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной 4096 токенов. Карточка указывает английский язык. Веса доступны в формате safetensors для Transformers. Лицензия — Apache-2.0. Описание не приводит численных результатов оценки, поэтому сравнительное качество модели по этим тестам оценить по карточке нельзя.