scalebaseblenddr @ step 100 — исследовательский чекпойнт компании explcre, полученный дообучением TikZilla-3B (SFT) с помощью Dr.GRPO/DAPO. Он генерирует код диаграмм TikZ по текстовым описаниям; обучение оценивалось проверяемой наградой DSV blend_dr, объединяющей символьные проверки DSV и RenderGraph без обучаемой reward-модели. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст до 32 768 токенов. Репозиторий содержит веса safetensors и распространяется по лицензии MIT.

Это ранний снимок обучения на шаге 100 из запланированных 1500. В README отмечено, что результаты оценки зависят от распределения входных описаний и версии инструментов компиляции и проверки, поэтому метрики следует указывать вместе с конфигурацией измерения.