/ Модель

Характеристики

Контекст
8 048 токенов
Параметры
415 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
danish-lm-400m-sft-v31-avg-top3
Опубликована
14 авг 2026

danish-lm-400m-grpo-mixed-v1-best1-step3375

Генерация текстаТекст → текст3 профессии

Датская Llama-модель на 414,7 млн параметров, дообученная для решения задач GSM8K и следования инструкциям с ограничениями формата.

18скачиваний за 30 дней0лайковвеса обновлены14 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

jensjepsen/danish-lm-400m-grpo-mixed-v1-best1-step3375 — плотная причинная языковая модель семейства Llama на 414,7 млн параметров, разработанная Jens Jepsen и дообученная методом GRPO на чередующихся примерах GSM8K и IFEval-DA. Она предназначена для генерации ответов на датском языке, решения математических задач и следования инструкциям с заданными ограничениями на формат ответа. Контекст модели составляет 8048 токенов; доступны веса Safetensors для инференса без состояния оптимизатора и планировщика.

В приведённых офлайн-оценках модель улучшила результаты базовой версии на GSM8K и IFEval-DA, но показатели на других тестах неоднородны: генерация CIT-gen немного снизилась, а ARC по логарифмической вероятности почти не изменилась. Модель лицензирована по Apache-2.0.,

Сценарии применения

  • решение математических задач на датском языке
  • ответы на датские инструкции с заданными ограничениями формата
  • генерация коротких ответов на датском языке
  • оценка и экспериментальное сравнение небольших датских языковых моделей

Ограничения

Качество зависит от задачи: в приведённых оценках результат на CIT-gen немного ниже базовой модели, а результаты ARC практически не изменились. Модель компактная, с 414,7 млн параметров.

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

danish-lm-400m-grpo-mixed-v1-best1-step3375

Rank-1 best-of-3 snapshot from a GRPO run that interleaved GSM8K + IFEval-DA (combined our-46 + Google-schema constraints) as a per-example dispatched reward. Base: jensjepsen/danish-lm-400m-sft-v31-avg-top3.

Training

  • Reward: per-example dispatch — reward_gsm8k on gsm8k rows, reward_ifeval_combined (our 46 constraints + Google IFEval schema) on IF rows.
  • Data: jensjepsen/danish-if-grpo-combined-v1 (10k) interleaved with jensjepsen/danish-gsm8k:sft:train (~7.5k), 50/50 mix.
  • Resumed from jensjepsen/danish-lm-400m-grpo-if-combined-v1-step2400 (combined-run peak) at step 2400 into an already-in-progress mixed run; current model is at step 3375 of that mixed schedule.
  • Snapshot ranking: composite score = ifeval-da prompt-strict + inst-strict + gsm8k pass@1 (each ∈ [0, 1]). Best-K tracker in scripts/train_grpo_verifier.py (top-3 rolling, model+tokenizer only, no optimizer).

Evaluation (offline, fp16)

Baseline column is jensjepsen/danish-lm-400m-sft-v31-avg-top3 (from its README).

IFEval-DA (danish-foundation-models/ifeval-da, n=539)

Uses our patched Google verifier chain — DFM renamed change_case:capital_letters / change_case:lowercase_letters / detectable_format:constrained_response_with_argument without publishing verifier code; patches document divergence.

metricbasestep 3375Δ
prompt-strict21.229.9+8.7
prompt-loose22.030.6+8.6
inst-strict35.245.0+9.8
inst-loose35.845.6+9.8

Generation

evalbasestep 3375Δ
GSM8K 0-shot pass@1 (n=1317)17.3924.37+6.98
SciQ open-Q pass@1 (n=1000)13.5014.10+0.60
CIT-gen (n=720)29.8628.6-1.26
textman_summary chrF++41.1140.67-0.44
textman_rewrite chrF++46.5147.24+0.73

Multiple-choice (chat-MC)

evalbasestep 3375Δ
CITMC (n=720)48.1949.58+1.39
SciQ-MC (n=1000)—59.6—
PIQA (n=100 full test)53 (n=50)59.0+6
ARC-Easy chat-MC (jensjepsen/danish-arc:arc_easy:test)44.4042.68-1.72
ARC-Challenge chat-MC (jensjepsen/danish-arc:arc_challenge:test)29.3529.01-0.34

Multiple-choice (raw log-prob)

evalbasestep 3375Δ
ARC-Easy logprob (n=2376)40.6140.45-0.16
ARC-Challenge logprob (n=1172)27.4727.30-0.17

Load

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best1-step3375")
t = AutoTokenizer.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best1-step3375")

Chat format (single-turn): <|user|>{q}<|end|><|assistant|>, stop on <|end|>.

Provenance

Weights only (no optimizer/scheduler) — for eval/inference.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ec7554e

0 моделей