/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,6 млрд
Размер весов
16,9 ГБ
Лицензия
Своя лицензия
Архитектура
lfm2_moe · MoE
Базовая модель
LFM2.5-8B-A1B-KO-CPT-FULL
Опубликована
30 июн 2026

LFM2.5-8B-A1B-KO-CPT-Repair-SFT

Генерация текстаТекст → текст3 профессии

Диагностическая корейско-английская MoE-модель для генерации текста и экспериментов по исправлению формата ответов после SFT.

15скачиваний за 30 дней0лайковвеса обновлены30 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LFM2.5-8B-A1B-KO-CPT-Repair-SFT — диагностический чекпойнт с дообучением SFT, созданный LLM-OS-Models на основе LLM-OS-Models/LFM2.5-8B-A1B-KO-CPT-FULL. Это разговорная языковая модель для генерации текста; обучение было направлено на исправление формата ответов в корейских задачах с выбором ответа и сохранение возможностей в вопросах по доказательствам, финансах, Text2SQL, программировании и компактных рассуждениях. Архитектура — LFM2 MoE, 1,6 млрд параметров, контекст — до 128 000 токенов; модель принимает текст и генерирует текст, с приоритетом корейского и поддержкой английского.

Чекпойнт опубликован для воспроизводимости, а не как рекомендуемая модель для бенчмарков. Оценка показала, что SFT не восстановил профиль публичных бенчмарков KO-CPT: ответы стали более многословными, а результаты по ряду задач оказались ниже базовой модели или KO-CPT. Для публичных бенчмарков авторы рекомендуют исходный KO-CPT. Лицензия указана как other; конкретные условия использования следует сверить с карточкой модели.

Сценарии применения

  • эксперименты с форматированием ответов на корейские вопросы с выбором варианта
  • ответы на вопросы по корейским учебным текстам с опорой на доказательства
  • сохранение финансовых возможностей и запросов Text2SQL при дообучении
  • проверка сохранения навыков программирования в SFT-чекпойнте

Ограничения

Чекпойнт не восстановил бенчмарковый профиль KO-CPT; по ряду задач его результаты ниже базовой модели или KO-CPT, а ответы могут быть излишне многословными. Опубликован для воспроизводимости, и авторы рекомендуют KO-CPT для публичной бенчмарковой оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-8B-A1B-KO-CPT-Repair-SFT

This is a diagnostic repair-SFT checkpoint trained from LLM-OS-Models/LFM2.5-8B-A1B-KO-CPT-FULL. It is published for reproducibility, not as the recommended benchmark model.

The current recommendation is still the KO-CPT checkpoint. This repair SFT did not recover the CPT public benchmark profile.

Training Data

The run used a small answer-format repair mixture instead of the previous large general SFT line.

itemvalue
prepared dataset/home/work/.data/lfm2_ko_sft/prepared/repair_cpt/20260630_cpt_mcqa_repair_4k/lfm_chat_4k
samples188,493
LFM tokens131,607,379
max sequence length4,096
epochs1
learning rate1e-6
global effective batch128
planned optimizer steps1,473

The mixture focused on Korean MCQA answer formatting, KoTSQA train evidence QA, finance/Text2SQL preservation, SWE/coding preservation, and compact reasoning preservation. It intentionally avoided continuing from the failed Stage2/Stage3 SFT checkpoints.

Gate Evaluation

Evaluation root:

/home/work/.data/lfm2_ko_sft/eval/repair_sft_gate_20260630T1306KST

Base/CPT reference values are copied from the KO-CPT model card where available. Some metrics differ from this gate run, so rows marked with a metric mismatch should be read directionally rather than as strict apples-to-apples comparisons.

taskBaseKO-CPTRepair-SFTrepair metricverdict
BoolQ0.65440.79020.663303acc,noneabove Base, far below CPT
ARC-Challenge0.37710.42410.211604acc,none; CPT uses acc_normbelow Base/CPT
GSM8K0.48450.57010.329795strict-match; CPT uses flexible-extractbelow Base/CPT
IFEval0.29210.32160.181146strict prompt acc; CPT uses loose prompt accbelow Base/CPT
Global MMLU KO jurisprudence0.28700.26850.250000acc,nonebelow Base/CPT
KMMLU direct hard0.20150.17200.102339exact_match,none; CPT card uses acc,nonebelow Base/CPT
MMLU-ProX Lite KO0.25850.16670.091837exact_match,custom-extractbelow Base/CPT

Interpretation

The repair attempt did not solve the regression seen in the earlier KO-SFT line. The likely failure mode is still answer distribution drift: response-only chat SFT changed the model toward verbose assistant behavior and away from short exact-answer extraction required by public MCQA tasks.

Final lesson: CPT improved Korean/domain knowledge and parts of the benchmark profile, but broad SFT did not reliably repair the MCQA and short-answer regression. This checkpoint is evidence that simply adding more SFT, even with a repair-oriented mix, can preserve the wrong verbose assistant distribution instead of restoring concise option selection.

For public benchmark reporting, prefer the KO-CPT checkpoint. If another repair attempt is made, it should be much smaller, use a lower learning rate, and stop early based on 100/300/500-step gate evaluations.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2MoeForCausalLM
Ревизия весов
b60baba

0 моделей