MetaStone-S1
原始资料专题 · 本站目录未列入该条目
MetaStone-S1 将推理生成与推理步骤评分放在共享骨干上的两个预测头中，结合长推理强化学习和自监督过程奖励学习。它面向数学、代码和中文推理研究，在推理时对候选轨迹评分与选择；32B 版本在 QwQ-32B 基座上训练，归入 MetaStone-S1 派生模型家族。
- 研发归属
- 元石科技问小白研发团队
- 获取方式
- 官方仓库提供训练、评测代码及 1.5B、7B、32B 型号入口；32B 模型卡说明策略权重和评分头的获取与使用方式。使用完整反思流程需参照项目代码配置 SPRM。本站未列出 MetaStone-S1 接入型号。
- 使用条件
32B 版本基于 QwQ-32B，是在已有基座上增加反思训练与评分机制的派生模型；不能据此认定从零预训练，也不能推定其他尺度使用同一基座。
low、medium、high 是推理计算配置；1.5B、7B、32B 是同一家族的尺度。评分头与策略模型配合使用，单独加载生成权重不等于复现完整流程。
32B 模型卡声明 Apache-2.0；代码、依赖、数据及其他版本的授权需分别核对，不能从这一模型卡推定统一许可。
官方基准结果属于开发方评测；推理轨迹评分不保证答案正确。部署前应验证自己的任务、延迟、显存和运行成本；公开权重入口不表示已有托管 API 或本站接入。