/ Модель

Характеристики

Размер весов
32,1 ГБ
Лицензия
MIT
Архитектура
llada · dense
Базовая модель
LLaDA-8B-Instruct
Библиотека
transformers
Опубликована
11 янв 2026

LLaDA-Instruct-JustGRPO-GSM8K

Генерация текстаТекст → текст3 профессии

Дообученная диффузионная языковая модель LLaDA-8B для генерации текста и решения математических задач GSM8K.

106скачиваний за 30 дней8лайковвеса обновлены23 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

LLaDA-Instruct-JustGRPO-GSM8K — диффузионная языковая модель, созданная дообучением GSAI-ML/LLaDA-8B-Instruct методом JustGRPO на наборе GSM8K. Разработчики представили её в статье «The Flexibility Trap: Why Arbitrary Order Limits Reasoning Potential in Diffusion Language Models». Модель использует плотную архитектуру LLaDA и распространяется в формате safetensors; базовая модель содержит 8 млрд параметров.

Модель предназначена для генерации текста с акцентом на математические рассуждения и решение задач GSM8K. В оценке на GSM8K указана точность 83,8% при длине последовательности 128, 89,1% при 256 и 89,8% при 512 токенах. Для генерации и оценки README направляет к репозиторию проекта.

Модель распространяется по лицензии MIT. Результаты приведены для GSM8K; карточка не описывает качество на других задачах или языках.

Сценарии применения

  • решение математических текстовых задач GSM8K
  • генерация пошаговых математических рассуждений
  • оценка методов обучения диффузионных языковых моделей

Ограничения

Приведённые показатели относятся к GSM8K и конкретным длинам последовательности; README не сообщает о качестве на других задачах или языках.

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

LLaDA-Instruct-JustGRPO

This model is LLaDA-8B-Instruct fine-tuned with JustGRPO on GSM8K.

It was introduced in the paper The Flexibility Trap: Why Arbitrary Order Limits Reasoning Potential in Diffusion Language Models.

Method

JustGRPO is a minimalist RL approach for diffusion language models. Instead of complex diffusion-specific RL adaptations, we simply treat dLLMs as autoregressive models during training and apply standard GRPO. See our paper for details.

Performance on GSM8K

Sequence Length128256512
Accuracy (%)83.889.189.8

Usage

For generation and evaluation, please refer to our GitHub repository.

Citation

@article{ni2026flexibility,
  title={The Flexibility Trap: Why Arbitrary Order Limits Reasoning Potential in Diffusion Language Models},
  author={Ni, Zanlin and Wang, Shenzhi and Yue, Yang and Yu, Tianyu and Zhao, Weilin and Hua, Yeguo and Chen, Tianyi and Song, Jun and Yu, Cheng and Zheng, Bo and Huang, Gao},
  journal={arXiv preprint arXiv:2601.15165},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
LLaDAModelLM
Ревизия весов
e12ed9c

0 моделей