# QED-Nano
## 论文
[QED-Nano](https://arxiv.org/abs/2602.03773)
## 模型简介
QED-Nano是一个经过针对性后训练的4B参数模型，旨在强化其证明撰写能力。尽管模型规模较小，QED-Nano在极具挑战性的IMO-ProofBench基准测试中取得了40%的优异成绩（相较Qwen3基础模型提升20%），性能媲美OpenAI的GPT-OSS-120B模型。通过配备能将推理时计算扩展至单问题超百万Token的智能体框架，QED-Nano的性能已接近Gemini-3-Pro。关键在于，相同的智能体框架应用于基础模型（Qwen3-4B-Thinking-2507）时，性能提升微乎其微。

<div align=center>
    <img src="./doc/perf.jpg"/>
</div>


## 环境依赖

|     软件     |                      版本                      |
| :----------: | :--------------------------------------------: |
|     DTK      |                    26.04.2                     |
|    python    |                    3.10.12                     |
| transformers |                     4.57.6                     |
|    torch     |   2.5.1+das.opt1.dtk2604.20260116.g78471bfd    |
|  accelerate  |                     1.12.0                     |
| torchvision  |   0.20.1+das.opt1.dtk2604.20260116.g65c66897   |
|  flash_attn  |   2.6.1+das.opt1.dtk2604.20260131.g4edd8bf9    |
|     vllm     | 0.11.0+das.opt1.rc2.dtk2604.20260128.g0bf89b0c |

推荐使用镜像:harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202

- 挂载地址`-v`根据实际模型情况修改

```bash
docker run -it \
    --shm-size 60g \
    --network=host \
    --name QED-Nano \
    --privileged \
    --device=/dev/kfd \
    --device=/dev/dri \
    --device=/dev/mkfd \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    -u root \
    -v /opt/hyhal/:/opt/hyhal/:ro \
    -v /path/your_code_data/:/path/your_code_data/ \
    harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202 bash
```
更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。

关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装。


## 数据集

`暂无`

## 训练

`暂无`

## 推理

## vllm

#### 单机推理

```bash
## serve启动
可参考vllm_serve.sh脚本
vllm serve lm-provers/QED-Nano --trust-remote-code --dtype bfloat16 -tp 1 --max-model-len 32768 --port 8010
## client访问
可参考vllm_cilent.sh
curl -X POST "http://localhost:8010/v1/chat/completions"      -H "Content-Type: application/json"     --data '{
                "model": "lm-provers/QED-Nano",
                "messages": [
                        {
                                "role": "user",
                                "content": "请介绍下自己"
                        }
                ]
        }'

```

## 效果展示

<div align=center>
    <img src="./doc/result.png"/>
</div>


### 精度

`DCU与GPU精度一致，推理框架：vllm。`

## 预训练权重

|     **模型名称**     | **权重大小** |  **DCU型号**  | **最低卡数需求** |                         **下载地址**                         |
| :------------------: | :----------: | :-----------: | :--------------: | :----------------------------------------------------------: |
| QED-Nano |     4B      | K100AI |        1         | [QED-Nano](https://huggingface.co/lm-provers/QED-Nano) |




## 源码仓库及问题反馈

- https://developer.sourcefind.cn/codes/modelzoo/qed-nano_vllm

## 参考资料

- https://huggingface.co/spaces/lm-provers/qed-nano-blogpost