K12-Reasoner-4B

K12-Reasoner-4B

K12-Reasoner-4B 是基于 Qwen3.5-4B 进行 DAPO 后训练的多模态模型，使用本项目整理的数学与物理训练集，面向图文题目理解、学科推理与答案生成。

项目主页 · 训练数据 · 训练代码

模型概况

快速使用

安装支持本模型的 Transformers 与 PyTorch 环境，下载模型后使用随附的infer.py：

pip install "torch==2.10.0" "transformers==5.15.0" "accelerate==1.13.0" "Pillow==12.2.0"
hf download zhenliuu/K12-Reasoner-4B --local-dir K12-Reasoner-4B
python K12-Reasoner-4B/infer.py --model ./K12-Reasoner-4B \
  --subject 数学 --question "求方程 2x + 3 = 11 的解。"

图片题通过--image传入本地图片，题干与选项通过--question传入；重复--image可提供多张图片：

python K12-Reasoner-4B/infer.py --model ./K12-Reasoner-4B \
  --subject 物理 --image question.png --question "根据图示，判断物体所受合力的方向。"

默认使用单张CUDA GPU、BF16与贪心解码，关闭thinking，最大输出8,192 tokens。脚本支持--device cpu以及本地模型路径。PyTorch的CUDA构建需与运行环境匹配。模型使用基础架构的processor与chat template，输出包含简洁解题过程和末行“最终答案：”。

评测结果

我们在以下多模态数学与物理基准上，将 K12-Reasoner-4B 与基础模型 Qwen3.5-4B 进行对比。指标为准确率，提升以百分点（pp）表示。

评测设置： 两模型使用相同输入模板、解码设置和自动判分程序；关闭 thinking，采用贪心解码，最大输出长度为 8,192 tokens。准确率按可计分题目计算：MMSciBench、PhysUniBench 使用选择题，OlympiadBench 使用非证明题。结果基于项目统一评测协议。

完整提示词和计分口径见 评测说明，训练配置见项目训练文档。

使用范围

模型面向教育图文推理研究与应用开发。涉及重要教学结论时，应结合参考答案与专业知识复核模型输出。