/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
8,6 ГБ
Лицензия
Gemma
Архитектура
gemma3 · dense
Базовая модель
gemma-3-4b-it
Библиотека
transformers
Опубликована
4 янв 2026

dagger-4B_SFT_GRPO

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Gemma 3 для решения математических текстовых задач и генерации вычислительных графов, включая задачи с отвлекающими данными.

58скачиваний за 30 дней0лайковвеса 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-4B-SFT-GRPO — компактная модель Shubhashis Roy Dipta и соавторов для математических задач с отвлекающей информацией. Она дообучена методом SFT, а затем GRPO на базе Gemma 3 4B Instruct и предназначена для генерации вычислительных графов, помогающих выполнять рассуждения по текстовым задачам. Модель содержит 4 млрд параметров и работает через библиотеку Transformers.

Модель ориентирована на математические текстовые задачи, в том числе на бенгальском языке, и рассчитана на сценарии с ограниченными вычислительными ресурсами. В описанных тестах она улучшает взвешенную точность относительно версии после одного SFT этапа, но заметно теряет точность при добавлении отвлекающих данных и уступает варианту на 12B параметров. Базовая Gemma 3 поддерживает изображения, однако карточка этой производной модели описывает задачи генерации текста и вычислительных графов, а не обработку изображений. Лицензия — Gemma.

Сценарии применения

  • решение математических текстовых задач на бенгальском языке
  • построение вычислительного графа для решения задачи
  • выделение существенных чисел и связей в математическом условии
  • проверка влияния отвлекающих чисел на решение

Ограничения

В тестах модель теряла 23,4 и 27,4 процентного пункта при добавлении отвлекающих данных и существенно уступала варианту на 12B параметров. Выводы о качестве ограничены указанными в карточке наборами MGSM и MSVAMP.

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-4B-SFT-GRPO

EMNLP 2026 (Findings) Paper Project Page Dataset Models GitHub

Model Description

DAGGER-4B-SFT-GRPO is the smaller variant of DAGGER, trained with SFT followed by GRPO on Gemma-3-4B. While showing lower performance than the 12B variant, it demonstrates that the DAGGER framework can work with smaller models.

Highlights

  • Lightweight: 4B parameters for resource-constrained deployment
  • SFT → GRPO training: Full training pipeline
  • Clear gain over 4B SFT: +3.0 weighted accuracy (44.3 → 47.3). Note this 4B model is less distractor-robust than the stronger CoT baselines (it drops 23.4 / 27.4 points); the 12B model is the robust one
  • Capacity study: Demonstrates model size requirements for graph generation

Model Overview

AttributeValue
Base ModelGemma-3-4B-Instruct
TrainingSFT → GRPO
Parameters4B
LoRA Rank64

Performance

DatasetOriginal+DistractorDrop
MGSM54.831.423.4
MSVAMP70.342.927.4
Weighted Avg--47.3

Comparison with 12B Variant

ModelParamsWeighted Avg
dagger-4B_SFT_GRPO4B47.3
dagger-12B_SFT_GRPO12B69.4 (+22.1)

Key Finding: The 12B model provides +22 points improvement, suggesting a capacity threshold for effective computational graph generation.

Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "dipta007/dagger-4B_SFT_GRPO"

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

Same as 12B variant:

ParameterValue
LoRA Rank / Alpha64 / 128
SFT Batch Size256
GRPO Batch Size32
Generations per Prompt8
Epochs4

When to Use This Model

  • Resource-constrained deployment: When 12B is too large
  • Capacity studies: Research on model size vs. performance
  • Edge deployment: Smaller memory footprint
  • Prototyping: Faster iteration during development

Limitations

  • Lower accuracy: 22 points below 12B variant
  • Reduced robustness: Larger accuracy drop under distractors
  • Capacity constraints: May struggle with complex multi-step problems

Related Models

ModelSizeWeighted Avg
dagger-4B_SFT_GRPO4B47.3
dagger-4B_SFT4B44.3
dagger-12B_SFT_GRPO12B69.4

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
393b2c1

0 моделей