1. Краткое описание модели 2. Как использовать 3. Оценка 4. Ограничения 5. Лицензия QED-Nano — это модель с параметрами 4B, подвергнутая явному постобучению для расширения возможностей корректуры. Несмотря на свой небольшой размер, QED-Nano достигает впечатляющих 40% баллов в сложном тесте IMO-ProofBench (+20% по сравнению с базовой моделью Qwen3), что соответствует производительности GPT-OSS-120B от OpenAI. Благодаря платформе агента, которая масштабирует время вычислений до более чем 1 миллиона токенов на каждую задачу, QED-Nano приближается к производительности Gemini-3-Pro. Важно отметить, что тот же самый агентный каркас базовой модели (Qwen3-4B-Thinking-2507) практически не улучшает производительность. QED-Nano основан на Qwen/Qwen3-4B-Thinking-2507 и прошел постобучение с помощью комбинации контролируемой точной настройки и обучения с подкреплением с кэшем рассуждений (чтобы иметь возможность тренироваться для постоянного улучшения с помощью нашего агентного каркаса во время тестирования) на смеси олимпиадных задач из различных общедоступных источников. Для получения более подробной информации обратитесь к нашему сообщению в блоге: https://huggingface.co/spaces/lm-provers/qed-nano-blogpost >[!TIP] > Мы рекомендуем установить температуру = 0,6 и topp = 0,95` в параметрах выборки. Вы можете использовать vLLM и SGLang для развертывания модели в API…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: lm-provers
Теги: qwen3, conversational, en, eval-results, text-generation-inference, endpoints_compatible
Лайков: 84 | Загрузок: 11,026
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
