/ Модель

Характеристики

Размер весов
16 ГБ
Архитектура
llada · dense
Базовая модель
LLaDA-8B-Base
Библиотека
transformers
Опубликована
26 авг 2026

llada-8b-full-sft-mix60k-4pass

Генерация текстаТекст → текст4 профессии

Диффузионная языковая модель LLaDA на 8 млрд параметров, дообученная на математических и программных примерах для генерации текста.

312скачиваний за 30 дней0лайковвеса обновлены17 сен 2026

Бенчмарки

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

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

LLaDA-8B full-sequence SFT on mix60k — плотная диффузионная языковая модель, дообученная Albert Ge на базе GSAI-ML/LLaDA-8B-Base. Это контрольная модель для исследования Register Tokens for Bounded-State Reasoning in Diffusion Language Models; в ней нет канала register-токенов или переноса дискретного текста между фрагментами. Обучение проведено на смеси из 60 тысяч примеров OpenMathInstruct-2 и OpenCodeInstruct, за один проход, с динамической длиной последовательности и ограничением завершения до 1024 токенов.

Модель предназначена для генерации текста в задачах математики и программирования, а также диалогового применения. В README приведены результаты GSM8K и MATH500 для генерации на одном холсте длиной 1024 токена и для восьми отдельных фрагментов по 128 токенов без переноса состояния; в последнем режиме последующие фрагменты не видят ранее сгенерированный текст. Модель распространяется в формате safetensors; лицензия в предоставленных данных не описана.

Сценарии применения

  • решение математических задач GSM8K и MATH500
  • генерация кода по текстовому запросу
  • диалоговые ответы на вопросы по математике и программированию

Ограничения

В режиме генерации фрагментами последующие фрагменты не могут обращаться к ранее сгенерированному тексту и не получают перенесённое скрытое состояние. Результаты оценки приведены только для GSM8K и MATH500.

Для каких профессий подходит4

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

LLaDA-8B full-sequence SFT on mix60k

This model is the full-sequence SFT control model described in the paper Register Tokens for Bounded-State Reasoning in Diffusion Language Models. Matched full-sequence-SFT control for the dLLM Registers paper. This model has no register or discrete-text carry channel.

Training

  • Initialization: GSAI-ML/LLaDA-8B-Base
  • Data: the exact 60K mix of OpenMathInstruct-2 and OpenCodeInstruct in albertge/mix60k-math-code-sft
  • Four independently noised diffusion-loss optimizer passes per example
  • Natural/dynamic sequence lengths, capped at 1024 completion tokens
  • One epoch, batch size 1 per rank, learning rate 2e-5, weight decay 0.1
  • Exact runner: SFT/sft_train_vanilla.py and modal_jobs/vanilla_sft.py

Recorded evaluation

ProtocolGSM8KMATH500
One 1024-token canvas63.46 (837/1319)21.8 (109/500)
Fresh 8 x 128, no carried state56.33 (743/1319)23.8 (119/500)

For math, evaluation scores the first emitted answer. Under fresh 8 x 128, later chunks cannot read earlier generated text and carry no hidden state.

Repository: https://github.com/SprocketLab/dllm-registers

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LLaDAModelLM
Ревизия весов
7792d2b

0 моделей