/ 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-best2-step4375

Генерация текстаТекст → текст3 профессии

Экспериментальная датская Llama на 415 млн параметров для следования инструкциям и решения математических задач.

19скачиваний 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

Это экспериментальный датский языковой генератор Jens Jepsen — снимок обучения GRPO на базе jensjepsen/danish-lm-400m-sft-v31-avg-top3. Модель с плотной архитектурой Llama содержит 414,7 млн параметров, принимает текст и выдаёт текст; родной контекст — 8048 токенов. Опубликована в формате safetensors под лицензией Apache-2.0.

Модель дообучали на смешанных примерах GSM8K и IFEval-DA: она предназначена для следования инструкциям с ограничениями и решения математических задач, особенно на датском языке. В карточке приведены оценки на IFEval-DA и GSM8K, а также результаты на нескольких наборах вопросов с выбором ответа; они показывают улучшение относительно базовой модели на основных целевых оценках, но не гарантируют качество в других сценариях. Это снимок промежуточного обучения на шаге 4375, без состояния оптимизатора и планировщика.

Сценарии применения

  • решение математических текстовых задач GSM8K на датском языке
  • выполнение инструкций с заданными форматами и ограничениями на датском
  • генерация ответов на датском языке для тестирования языковых моделей
  • проверка ответов на вопросы с выбором варианта

Ограничения

В карточке представлены оценки на ограниченном наборе бенчмарков; результаты вне этих тестов не установлены. Это промежуточный снимок обучения, а качество на датском и других задачах может быть непоследовательным.

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-best2-step4375

Rank-2 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 4375 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 4375Δ
prompt-strict21.228.2+7.0
prompt-loose22.029.9+7.9
inst-strict35.244.9+9.7
inst-loose35.846.1+10.3

Generation

evalbasestep 4375Δ
GSM8K 0-shot pass@1 (n=1317)17.3925.89+8.50
SciQ open-Q pass@1 (n=1000)13.5013.60+0.10
CIT-gen (n=720)29.8628.5-1.36
textman_summary chrF++41.1140.84-0.27
textman_rewrite chrF++46.5146.80+0.29

Multiple-choice (chat-MC)

evalbasestep 4375Δ
CITMC (n=720)48.1950.14+1.95
SciQ-MC (n=1000)—59.5—
PIQA (n=100 full test)53 (n=50)59.0+6
ARC-Easy chat-MC (jensjepsen/danish-arc:arc_easy:test)44.4042.55-1.85
ARC-Challenge chat-MC (jensjepsen/danish-arc:arc_challenge:test)29.3528.92-0.43

Multiple-choice (raw log-prob)

evalbasestep 4375Δ
ARC-Easy logprob (n=2376)40.6140.07-0.54
ARC-Challenge logprob (n=1172)27.4727.56+0.09

Load

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best2-step4375")
t = AutoTokenizer.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best2-step4375")

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
da54c0b

0 моделей