/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
24,4 ГБ
Лицензия
Gemma
Архитектура
gemma3 · dense
Базовая модель
gemma-3-12b-it
Библиотека
transformers
Опубликована
1 янв 2026

dagger-12B_SFT

Генерация текстаТекст → текст3 профессии

DAGGER-12B-SFT — дообученная Gemma 3 для решения бенгальских математических задач с отвлекающими данными и генерацией вычислительных графов.

95скачиваний за 30 дней1лайквеса обновлены23 авг 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

DAGGER-12B-SFT — модель на 12 млрд параметров, разработанная авторами проекта DAGGER и полученная дообучением Gemma 3 12B Instruct методом supervised fine-tuning. Она предназначена для решения математических текстовых задач на бенгальском языке с построением вычислительного графа, в том числе когда в условии есть отвлекающие числа и сведения. Модель обучена на 3 000 проверенных примерах; README описывает её как самостоятельный вариант SFT и начальную точку для дальнейшего обучения GRPO.

В качестве выходов модель генерирует текстовое представление графа вычислений с узлами, операциями, аргументами и итоговым ответом. В карточке приведены результаты на MGSM и MSVAMP: взвешенная точность SFT-варианта указана как 66,7; на задачах с отвлекающими данными качество снижается. Указанная в метаданных архитектура — плотная Gemma 3 с поддержкой условной генерации; базовая модель также мультимодальна, однако карточка DAGGER описывает математическую генерацию по текстовым условиям. Репозиторий использует Transformers и формат safetensors. Лицензия — Gemma; применяются её условия.

Сценарии применения

  • решение математических текстовых задач на бенгальском языке
  • построение вычислительного графа по условию задачи
  • выделение значимых чисел среди отвлекающих данных
  • генерация структурированного пошагового решения
  • оценка моделей рассуждения на наборах MGSM и MSVAMP

Ограничения

На задачах с отвлекающими данными точность снижается относительно исходных условий; в README приведена взвешенная точность 66,7. Оценки приведены для MGSM и MSVAMP и не подтверждают качество на иных языках или типах задач.

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

DAGGER-12B-SFT

EMNLP 2026 (Findings) Paper Project Page Dataset Models GitHub

Model Description

DAGGER-12B-SFT is a supervised fine-tuned model for computational graph generation in Bangla mathematical reasoning. This is the SFT-only variant, serving as both a standalone model and initialization for GRPO training.

Highlights

  • SFT-only training on 3,000 verified computational graph examples
  • Strong baseline performance for distractor-aware reasoning
  • Foundation for GRPO: Used as initialization for dagger-12B_SFT_GRPO
  • Efficient inference: ~334 tokens per problem (weighted average)

Model Overview

AttributeValue
Base ModelGemma-3-12B-Instruct
TrainingSupervised Fine-Tuning
Parameters12B
LoRA Rank64
Max Sequence Length4096

Performance

DatasetOriginal+DistractorDrop
MGSM70.056.813.2
MSVAMP76.865.411.5
Weighted Avg--66.7

Comparison with GRPO

ModelWeighted Avg Accuracy
dagger-12B_SFT66.7
dagger-12B_SFT_GRPO69.4 (+2.7)

GRPO provides +2.7 points improvement over SFT alone.

Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "dipta007/dagger-12B_SFT"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

USER_PROMPT_TEMPLATE = """You are an expert Bengali Math Reasoner. Your task is to solve mathematical problems by constructing a "Computational Graph".

### Graph Rules:
- `id`: Unique identifier (e.g., "n1", "n2").
- `val`: The raw number extracted from text (for input nodes).
- `op`: The operation (`add`, `sub`, `mul`, `div`, `round`, `sqrt`, `floor`, `sum`, `mean`). Use `const` for input numbers.
- `args`: List of input node IDs.
- `distractor`: Boolean (`true` / `false`). Set to `true` if the node is NOT used in the final calculation path.
- `label`: Label for the node.

### Available Operations:
- Input: `const` (Use this for all numbers found in text or constants).
- Arithmetic: `add`, `sub`, `mul`, `div`, `abs` (absolute difference).
- Logic/Stats: `sum`, `mean`, `min` (minimum), `max` (maximum).
- Rounding: `round` (nearest int), `floor` (round down), `ceil` (round up).
- Advanced: `sqrt`, `pow`, `mod` (remainder), `gcd`, `lcm`.
- Output: `identity` ("final_result" points to the answer node)

Only output a JSON graph representing the solution, nothing else. Nodes must be topologically sorted, and there must be exactly one "final_result" node that represents the final answer. One example is provided below.

### Example:
Question:
মিনার কাছে ১২২১৯৫ টা কলম আছে। রাজুর কাছে ২৫০৮৪ টা কলম আছে। মিনা রাজুর কাছে ১১২৬ টি কলম চাইল। রাজু ১০০০ টি কলম দিতে রাজি হল, কিন্তু পরে আর দিলেনা। প্রতিটি কলমের দাম ৪৫.৬ টাকা। মিনা যদি কলমগুলো বিক্রি করতে চায়, সে কত টাকা পাবে?

Output:
```json
{{
  "nodes": [
    {{"id": "n1", "op": "const", "val": 122195, "distractor": false, "label": "মিনার কলম"}},
    {{"id": "n2", "op": "const", "val": 25084, "distractor": true, "label": "রাজুর কলম"}},
    {{"id": "n3", "op": "const", "val": 1126, "distractor": true, "label": "মিনা রাজুর কাছে চাইল"}},
    {{"id": "n4", "op": "const", "val": 1000, "distractor": true, "label": "রাজু দিতে রাজি হল"}},
    {{"id": "n5", "op": "const", "val": 45.6, "distractor": false, "label": "প্রতিটি কলমের দাম"}},
    {{"id": "total_money", "op": "mul", "args": ["n1", "n5"], "distractor": false, "label": "মিনার মোট টাকা"}},
    {{"id": "final_result", "op": "identity", "args": ["total_money"], "distractor": false, "label": "চূড়ান্ত উত্তর"}}
  ]
}}```

### Your Task:

Question:
{question}

Output:
"""

question = "রজারের 5টি টেনিস বল আছে। সে আরও 2 ক্যান টেনিস বল কিনেছে। প্রতিটি ক্যানে 3টি করে টেনিস বল আছে। তার কাছে এখন কতগুলি টেনিস বল আছে?"
prompt = USER_PROMPT_TEMPLATE.format(question=question)

messages = [
  {"role": "user", "content": prompt}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

# Generate
outputs = model.generate(**inputs, max_new_tokens=1024, temperature=0.7, top_p=0.8)
response = tokenizer.decode(outputs[0][len(inputs.input_ids[0]):], skip_special_tokens=True)

print(response)

Training Configuration

ParameterValue
LoRA Rank / Alpha64 / 128
Global Batch Size256
Epochs4
Learning Rate1e-5 → 1e-6
OptimizerAdamW
Weight Decay0.001
PrecisionBF16

When to Use This Model

  • As a baseline: Compare against GRPO-enhanced variants
  • For GRPO initialization: Use as starting point for policy optimization
  • Resource-constrained settings: When GRPO training is not feasible
  • Research: Studying the effect of SFT vs. GRPO on graph generation

Related Models

ModelTrainingPerformance
dagger-12B_SFTSFT66.7
dagger-12B_SFT_GRPOSFT → GRPO69.4
dagger-12B_GRPOBase → GRPO61.5

License and Data Provenance

Model weights are released under the Gemma Terms of Use.

Training data is not fully permissive. Part of the SFT data and all GRPO prompts come from numina-math-cot-bn, which is CC BY-NC-SA 4.0 (NonCommercial, ShareAlike). For commercial use, re-derive that portion from the Apache-2.0 upstream AI-MO/NuminaMath-CoT.

Citation

@inproceedings{nazi2026dagger,
  title={{\dag}DAGGER: Distractor-Aware Graph Generation for Executable Reasoning in Math Problems},
  author={Zabir Al Nazi and Shubhashis Roy Dipta and Sudipta Kar},
  booktitle={Findings of the Association for Computational Linguistics: EMNLP 2026},
  year={2026},
  eprint={2601.06853},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2601.06853},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
907f040

0 моделей