/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
757 млн
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
12 июн 2026

d24-midtrain-v1base-mathheavy-3.7B

Генерация текстаТекст → текст3 профессии

Базовая языковая модель sfanm с математическим mid-training предназначена для продолжения текста и генерации математических рассуждений.

13скачиваний за 30 дней0лайковвеса обновлены12 июн 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

sfanm/d24-midtrain-v1base-mathheavy-3.7B — базовая языковая модель автора sfanm после дополнительного обучения на математических данных, но до этапа SFT. Это плотный декодер семейства Llama в стиле nanochat: 24 слоя, скрытая размерность 1536, 12 голов внимания, SwiGLU, RoPE и RMSNorm; около 756,7 млн параметров, словарь GPT-2 BPE размером 50 304 токена и контекст 2048 токенов. Модель предназначена для продолжения текста, в том числе математического, а не для диалогового общения; для чата автор предлагает отдельные контрольные точки после SFT.

В README приведён результат GSM8K 5,46% для соответствующей SFT-модели, а не для этого чекпойнта. Модель создана в рамках исследовательского воспроизведения nanochat с обучением с нуля, затем предобучением и математическим mid-training на ClimbMix, FineMath, OpenMath, MetaMath и OpenThoughts. Лицензия репозитория обозначена как other; автор предоставляет веса как есть для исследований и указывает, что нужно учитывать лицензии сторонних обучающих корпусов.

Сценарии применения

  • продолжение математических выражений и рассуждений
  • эксперименты с дообучением языковой модели на математические задачи
  • оценка базовой модели до SFT
  • генерация текстовых продолжений в Transformers

Ограничения

Чекпойнт не прошёл SFT и не предназначен для диалогового использования; контекст ограничен 2048 токенами. Качество этого базового чекпойнта отдельно не приведено, а лицензия указана как other; для обучающих корпусов могут действовать отдельные условия.

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

d24-midtrain-v1base-mathheavy-3.7B

v1-base math-heavy-midtrained BASE LM (pre-SFT).

nanochat-style depth-24 decoder — 24 layers × 1536 hidden × 12 heads, SwiGLU / RoPE / RMSNorm, tied embeddings, GPT-2 BPE vocab (50304), 0.757B params, 2048-token context.

Lineage. v1 pretrain (5.84B ClimbMix) → math-heavy midtrain 3.7B (FineMath/OpenMath/MetaMath/OpenThoughts + ClimbMix anchor).

Metrics. Base checkpoint (pre-SFT) — evaluate after SFT. Corresponding SFT: d24-sft-v1base-mathheavy-3.7B (GSM8K 5.46%).

Use (base LM)

This is a base language model (post-midtrain, pre-SFT) — use it for text continuation, not chat. EOS is the GPT-2 <|endoftext|> (50256). For a chat model, use the d24-sft-* checkpoints.

from transformers import AutoModelForCausalLM, AutoTokenizer
mid = "sfanm/d24-midtrain-v1base-mathheavy-3.7B"
tok = AutoTokenizer.from_pretrained(mid)
model = AutoModelForCausalLM.from_pretrained(mid, torch_dtype="bfloat16", device_map="auto")
inputs = tok("The derivative of x**2 is", return_tensors="pt").to(model.device)
print(tok.decode(model.generate(**inputs, max_new_tokens=128)[0], skip_special_tokens=True))

Research checkpoint from a from-scratch nanochat-d24 replication (pretrain → midtrain → SFT → RL) on NERSC Perlmutter. Trained on third-party corpora (ClimbMix, FineMath, OpenMath, MetaMath, OpenThoughts, OLMo-3 Dolmino, SmolTalk, …) — see those datasets' licenses; provided as-is for research.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
a6f0b97

0 моделей