/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
31,7 млрд
Размер весов
64,5 ГБ
Архитектура
olmo3 · dense
Библиотека
transformers
Опубликована
20 июн 2026

smolmo-32b-sft-merged-proofpilot

Генерация текстаТекст → текст12 профессий

Объединённая усреднением восьми последовательных контрольных точек OLMo 3 модель на 31,7 млрд параметров для генерации текста и диалогов.

16скачиваний за 30 дней0лайковвеса обновлены21 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

chankhavu/smolmo-32b-sft-merged-proofpilot — это объединённая методом равномерного усреднения весов модель на базе OLMo 3, подготовленная автором репозитория из восьми последовательных контрольных точек одного запуска SFT. Усреднены снимки шагов 18 750–20 500; независимые дообученные модели не смешивались. Модель содержит 31,7 млрд параметров, использует плотную архитектуру Olmo3ForCausalLM, представлена в safetensors и поддерживает контекст до 65 536 токенов.

Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Усреднение хвостовых контрольных точек было применено как способ сгладить эффект незавершённого затухания скорости обучения, но автор указывает, что возможное улучшение обобщения следует проверять на отложенной оценке относительно финальной контрольной точки. Данные о лицензии и поддерживаемых естественных языках в предоставленных источниках отсутствуют.

Сценарии применения

  • генерация текстовых ответов в диалоге
  • создание черновиков и продолжение текста
  • работа с длинными текстовыми контекстами
  • вызов инструментов в приложениях на базе языковой модели

Ограничения

Польза усреднения для обобщения не подтверждена отложенной оценкой; README рекомендует сравнить модель с финальной контрольной точкой перед применением. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Для каких профессий подходит12

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

merged-soup8

A uniform weight-average ("model soup" / SWA) of the last 8 checkpoints of a single SFT run, created with mergekit. This is not a merge of independently fine-tuned models — it averages successive snapshots of one training trajectory.

Why this merge

The SFT run used a cosine LR schedule (5e-5 → 5e-6 floor, with warmup) targeting 24,000 steps, but was cut short at step 20,500, where the LR was still 7e-6 (i.e. mildly under-annealed relative to the 5e-6 floor).

Tail weight-averaging is used here as a proxy for the missing annealing. While the LR is nonzero, the optimizer orbits the basin minimum in a noisy distribution whose radius scales with the LR; annealing shrinks that orbit, and averaging snapshots along the trajectory estimates its center directly (the SWA / "latest weight averaging" effect). The merged checkpoints all sit in the converged, flat-loss region (training CE ≈ 0.398 from step 18,500 onward), so the basin center is stationary and the average is near-pure noise reduction rather than a blend of differently-trained weights.

Checkpoints merged

8 checkpoints, 250 steps apart, steps 18,750 → 20,500 (the converged tail):

stepLR (cosine, →5e-6 floor)
18,750~7e-6 region
19,000
19,250
19,500
19,750
20,000
20,250
20,500final (LR 7e-6, run cut here)

Step 18,500 was intentionally excluded to keep the window strictly within the flat-loss tail and avoid pulling in higher-LR / less-converged weights.

Merge Details

Merge Method

Linear (uniform weighted average), with normalize: true — the weighted sum is divided by the sum of weights, so equal weight: 1.0 on all 8 models yields the plain arithmetic mean (a uniform soup).

Precision

Merge math was run in bfloat16 and the output is stored in bfloat16 to match the source models. As a precision cross-check, the merge was re-run with fp32 accumulation (dtype: float32, out_dtype: bfloat16); the result was bit-for-bit identical to the bf16-accumulated merge across all 707 tensors (max |Δ| = 0.0). With only 8 terms, fp32 accumulation makes no difference once the result is cast back to bf16, so the bf16 merge is exact to the precision of the stored model.

Verification

  • All 14 shards present; model.safetensors.index.json consistent (707 tensors).
  • 0 NaN / 0 Inf across all tensors.
  • Sampled tensors confirmed to equal the mean of the 8 sources to within one bf16 ULP (the unavoidable storage-rounding error).

Evaluation

⚠️ Note: because all source checkpoints sit at the loss floor, training CE is ~0.4 regardless and is not a useful signal for whether the soup helped. The soup's benefit (if any) is in generalization / flatness and only shows up on a held-out eval — compare merged-soup8 against the final checkpoint (step20500) there before adopting.

Configuration

The following YAML configuration was used to produce this model:

# Uniform tail soup (SWA) of the last 8 SFT checkpoints, steps 18750-20500.
# All in the converged flat-loss region; equal weights = standard SWA recipe.
models:
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step18750_20260619202843
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step19000_20260619230955
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step19250_20260620015122
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step19500_20260620041731
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step19750_20260620065846
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step20000_20260620094025
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step20250_20260620120632
    parameters: {weight: 1.0}
  - model: chankhavu/olmo_32b_fp8_niiattempt2_step20500_20260620144800
    parameters: {weight: 1.0}
merge_method: linear
dtype: bfloat16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo3ForCausalLM
Ревизия весов
9237db2

0 моделей