/ 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-best3-step3250

Генерация текстаТекст → текст3 профессии

Датская языковая модель на базе Llama, дообученная для генерации ответов по инструкциям, решения математических задач и соблюдения форматных ограничений.

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

Danish-LM-400M-GRPO-Mixed-v1-best3-step3250 — языковая модель, разработанная Jens Jepsen и дообученная методом GRPO на смешанном датском наборе задач. Она основана на dense-архитектуре Llama с 414,7 млн параметров и контекстом до 8 048 токенов. Модель генерирует текст и ориентирована на следование инструкциям на датском языке, решение математических задач GSM8K и выполнение ограничений формата IFEval-DA.

В опубликованных оценках модель улучшила результаты базовой SFT-версии на GSM8K и IFEval-DA; также приведены результаты на SciQ, CIT, PIQA и ARC. Это компактная модель для экспериментов и инференса, однако оценки показывают неодинаковый результат на разных наборах, а параметры сравнительных тестов ограничены указанными в карточке выборками и протоколами. Репозиторий содержит веса и токенизатор без состояния оптимизатора и планировщика. Лицензия — Apache-2.0.

Сценарии применения

  • решение математических задач GSM8K на датском языке
  • генерация ответов на датские инструкции
  • соблюдение форматных ограничений в ответах
  • эксперименты с GRPO для компактных языковых моделей

Ограничения

Модель компактна, а приведённые оценки зависят от конкретных тестовых наборов и протоколов; по некоторым генеративным тестам прирост относительно базовой модели мал или отрицателен. Карточка не предоставляет состояние оптимизатора и планировщика.

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-best3-step3250

Rank-3 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 3250 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 3250Δ
prompt-strict21.229.3+8.1
prompt-loose22.029.7+7.7
inst-strict35.244.5+9.3
inst-loose35.844.9+9.1

Generation

evalbasestep 3250Δ
GSM8K 0-shot pass@1 (n=1317)17.3924.60+7.21
SciQ open-Q pass@1 (n=1000)13.5013.80+0.30
CIT-gen (n=720)29.8629.2-0.66
textman_summary chrF++41.1140.94-0.17
textman_rewrite chrF++46.5147.20+0.69

Multiple-choice (chat-MC)

evalbasestep 3250Δ
CITMC (n=720)48.1948.75+0.56
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)44.4042.55-1.85
ARC-Challenge chat-MC (jensjepsen/danish-arc:arc_challenge:test)29.3528.33-1.02

Multiple-choice (raw log-prob)

evalbasestep 3250Δ
ARC-Easy logprob (n=2376)40.6140.45-0.16
ARC-Challenge logprob (n=1172)27.4727.470.00

Load

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best3-step3250")
t = AutoTokenizer.from_pretrained("jensjepsen/danish-lm-400m-grpo-mixed-v1-best3-step3250")

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
1e57d4e

0 моделей