/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
26 мар 2026

davinci-llm-model

Генерация текстаТекст → текст11 профессий

Базовая языковая модель GAIR-NLP семейства Qwen2 для генерации текста, кода и исследований предобучения.

53скачиваний за 30 дней30лайковвеса обновлены2 апр 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

daVinci-LLM-3B — базовая языковая модель с примерно 3,1 млрд параметров, представленная исследовательской группой GAIR-NLP в проекте daVinci-LLM. Это плотный decoder-only Transformer семейства Qwen2, обученный в два этапа примерно на 8 трлн токенов: сначала на широком веб-корпусе, затем на структурированных вопросах и данных для рассуждений. Репозиторий содержит веса в формате safetensors; метаданные указывают контекст до 32 768 токенов.

Модель предназначена для исследований предобучения, изучения качества данных и динамики обучения, а также для генерации текста, кода и ответов с математическими и научными рассуждениями. В README приведены результаты оценки на 19 бенчмарках и описаны более 200 абляционных экспериментов. Модель является базовой, не настроена на выполнение инструкций и не прошла выравнивание по безопасности, поэтому перед прикладным использованием необходимы дополнительная оценка и настройка. Лицензия — Apache-2.0.

Сценарии применения

  • генерация и продолжение текста
  • генерация программного кода
  • ответы на вопросы по научным и математическим темам
  • исследование влияния качества данных на предобучение
  • изучение динамики обучения языковых моделей

Ограничения

Это базовая модель без настройки на инструкции и выравнивания по безопасности; перед прикладным развертыванием необходимы дополнительная оценка и настройка. README сообщает о контексте 4096 токенов, тогда как метаданные указывают 32768 токенов.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Overview

daVinci-LLM-3B is a 3B-parameter base language model presented in daVinci-LLM: Towards the Science of Pretraining. This project aims to make the pretraining process a transparent and reproducible scientific endeavor.

We release not only the final weights but also training trajectories, intermediate checkpoints, data processing decisions, and 200+ ablation studies covering data quality, mixture design, training dynamics, and evaluation validity.

The model follows a two-stage curriculum over ~8T tokens:

  • Stage 1 (6T tokens): broad pretraining over diverse web-scale corpora.
  • Stage 2 (2T tokens): structured QA and reasoning-heavy data to amplify math and code reasoning.

Key Features

  • Fully transparent pretraining pipeline: data processing logic, mixtures, logs, and checkpoints are publicly documented.
  • Data Darwinism framework: a systematic L0–L9 taxonomy for data processing depth.
  • Large-scale ablations: 200+ controlled experiments with both positive and negative results.

Intended Use

  • Research: pretraining science, data quality studies, training dynamics, evaluation stability.
  • General capabilities: broad language understanding, math/science reasoning, and code generation.

This is a base model and is not instruction- or safety-aligned. Additional safety evaluation and alignment are required for production deployment.

Architecture

  • Type: Decoder-only Transformer (Qwen2 family)
  • Parameters: ~3.09B
  • Layers: 36
  • Hidden size: 2048
  • Attention heads: 16 (GQA, KV heads = 2)
  • MLP: SwiGLU, intermediate size 11008
  • Position encoding: RoPE (base = 10000)
  • Context length: 4096
  • Tokenizer: Qwen2 tokenizer (151,936 vocab)

Data and Processing

The training corpus spans general web text, code, science, and QA sources. Each dataset is annotated with a Data Darwinism level (L0–L9), and multiple sources receive L4/L5 generative refinement and cognitive completion.

Major categories:

  • General: Common Crawl–based corpora (L3).
  • Code: GitHub crawls + Nemotron code datasets (L3/L5).
  • Science/Math: MegaMath, Nemotron-CC-Math, and Darwin-Science series (L3–L5).
  • QA: multi-source QA data with rejection sampling (L5).

Evaluation

The model reaches an overall average score of 51.72 across 19 benchmarks, matching or exceeding the performance of larger 7B-scale models like OLMo-3 7B.

Capability DimensiondaVinci-3BOLMo-3 7BLLaMA-3.2-3BQwen-2.5-3B
Overall Performance51.7251.6537.5851.44
General Knowledge52.9655.1351.0855.16
Code Generation55.9954.4232.4056.13
Scientific Reasoning48.3045.9822.4544.65
MATH62.8039.609.0037.20

Citation

@misc{qin2026davincillmtowardssciencepretraining,
      title={daVinci-LLM:Towards the Science of Pretraining}, 
      author={Yiwei Qin and Yixiu Liu and Tiantian Mi and Muhang Xie and Zhen Huang and Weiye Si and Pengrui Lu and Siyuan Feng and Xia Wu and Liming Liu and Ye Luo and Jinlong Hou and Qipeng Guo and Yu Qiao and Pengfei Liu},
      year={2026},
      eprint={2603.27164},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2603.27164}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
a15ac7d

0 моделей