1. Краткое описание модели 2. Как использовать 3. Оценка 4. Обучение 5. Ограничения 6. Лицензия QED-Nano SFT — это модель математического рассуждения с 4B параметрами, точно настроенная для решения задач доказательства олимпиадного уровня. Это контрольная точка контролируемой точной настройки (SFT), обученная посредством дистилляции знаний из deepseek-ai/DeepSeek-Math-V2 (параметры 685B). Модель генерирует математические доказательства с явными логическими рассуждениями, заключенными в теги. Эта модель служит основой для полного конвейера QED-Nano, который включает в себя последующее обучение с подкреплением и расширения кэша рассуждений. Полную обученную модель см. в lm-provers/QED-Nano. — Модель рассуждений, оптимизированная для доказательства теорем — Контролируемая контрольная точка тонкой настройки: основа для полной модели QED-Nano (SFT + RL + кэш рассуждений) — Дистиллированная из DeepSeek-Math-V2 (685B): дистилляция знаний до параметров 4B — Полностью открытая: открытые веса + полные детали обучения, включая смесь общедоступных данных и конфигурации обучения. Более подробную информацию можно найти в нашем блоге: https://huggingface.co/spaces/lm-provers/qed-nano-blogpost >[!TIP] > Мы рекомендуем установить температуру = 0,6 и topp = 0,95` в параметрах отбора проб. Вы можете использовать vLLM и SGLang для развертывания…
Модальности:
Генерация текста
Области применения:
Математика Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: lm-provers
Теги: qwen3, math, reasoning, olympiad, proof-generation, sft, distillation, conversational
Лайков: 6 | Загрузок: 32
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
