Tether está poniendo a disposición un conjunto de datos de síntesis STEM para pequeños modelos. El 99,45% es capaz de extraer la respuesta, no es la tasa de acierto.
El 23 de septiembre, Tether AI Research publicó QVAC Genesis III, con 191,43 mil millones de Tokens y aproximadamente 159,6 millones de documentos, que cubren 19 áreas de ciencias e ingeniería, con dificultades que van desde nivel secundaria hasta nivel profesional. La hoja de ruta continúa con Genesis I de octubre de 2025 y Genesis II de diciembre. Si el estudiante se equivoca, se escribe como corrección; si se acierta, se describe por qué cada opción es correcta y por qué es incorrecta. Lo que se va a entrenar es un modelo pequeño que pueda ejecutarse en un portátil, un teléfono y un servidor local, con el enfoque en explicar la ruta para resolver.
De los 1.700 millones de parámetros entrenados desde cero, en el conjunto MMLU STEM la tasa de respuestas efectivas a nivel de opción es del 99,45%. Con un corpus completo, en comparación con el modelo Cosmopedia-v2 del mismo orden de escala de Tokens, ARC-Easy, ARC-Challenge y MMLU STEM alcanzan tasas de acierto de 51,85, 42,71 y 30,19 respectivamente; son superiores en 28,57, 21,35 y 15,03 puntos porcentuales.
Los datos se publican bajo CC-BY-NC 4.0, con uso no comercial. El artículo ya fue aceptado por COLM 2026.
El 23 de septiembre, Tether AI Research publicó QVAC Genesis III, con 191,43 mil millones de Tokens y aproximadamente 159,6 millones de documentos, que cubren 19 áreas de ciencias e ingeniería, con dificultades que van desde nivel secundaria hasta nivel profesional. La hoja de ruta continúa con Genesis I de octubre de 2025 y Genesis II de diciembre. Si el estudiante se equivoca, se escribe como corrección; si se acierta, se describe por qué cada opción es correcta y por qué es incorrecta. Lo que se va a entrenar es un modelo pequeño que pueda ejecutarse en un portátil, un teléfono y un servidor local, con el enfoque en explicar la ruta para resolver.
De los 1.700 millones de parámetros entrenados desde cero, en el conjunto MMLU STEM la tasa de respuestas efectivas a nivel de opción es del 99,45%. Con un corpus completo, en comparación con el modelo Cosmopedia-v2 del mismo orden de escala de Tokens, ARC-Easy, ARC-Challenge y MMLU STEM alcanzan tasas de acierto de 51,85, 42,71 y 30,19 respectivamente; son superiores en 28,57, 21,35 y 15,03 puntos porcentuales.
Los datos se publican bajo CC-BY-NC 4.0, con uso no comercial. El artículo ya fue aceptado por COLM 2026.
