rStar-Math (Qwen2-Math-7B base)
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Microsoft Research Asia,Peking University,Tsinghua University
- Typ organizacji
- Industry,Academia,Academia
- Kraj
- China
- Opublikowany
- 1 August 2025
- Autorzy
- Xinyu Guan, Li Lyna Zhang, Yifei Liu, Ning Shang, Youran Sun, Yi Zhu, Fan Yang, Mao Yang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Mathematical reasoning
- Model bazowy
- Qwen2-Math-7B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 7B
- Dane treningowe
- tokens
- Epoki
- 2
- Rozmiar wsadu
- 128
~1.35M trajectories with 4096 sequence length: 5530M
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Jak to zostało ustalone
- Operation counting
- Dostosowywanie obliczeń
- 2.3 × 10²⁰ FLOP
5530000000 * 7000000000 * 6 = 2.323e20
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA H100 SXM5 80GB
- Zastosowane chipy
- 80
- Pobór mocy
- 109.5 kW
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Open source
MIT license https://github.com/microsoft/rStar
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 308
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- rStar-Math: Small LLMs Can Master Math Reasoning with Self-Evolved Deep Thinking
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
rStar-Math (Qwen2-Math-7B base) został opublikowany przez Microsoft Research Asia,Peking University,Tsinghua University, w kraju zapisanym jako China, podczas August 2025. Kategoria, do której należy wydawca, to industry,Academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Mathematical reasoning.
Opiera się na Qwen2-Math-7B. Dlatego dzieli ogólny kształt i rozmiar modelu bazowego.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Odpowiedzi
rStar-Math (Qwen2-Math-7B base) — częste pytania
rStar-Math (Qwen2-Math-7B base)— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Mathematical reasoning. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
rStar-Math (Qwen2-Math-7B base)— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
rStar-Math (Qwen2-Math-7B base)— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
rStar-Math (Qwen2-Math-7B base)— ile ma parametrów?
Ma liczbę parametrów równą 7B. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
rStar-Math (Qwen2-Math-7B base)— kto to stworzył?
Zostało opublikowane przez Microsoft Research Asia,Peking University,Tsinghua University, oparty na China, organizacja sklasyfikowana jako industry,Academia,Academia.
rStar-Math (Qwen2-Math-7B base)— kiedy to zostało wydane?
Zostało opublikowane w August 2025.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.