/ Модель

Характеристики

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

d24-sft-v1base-mathheavy-3.7B

Генерация текстаТекст → текст

Компактная чат-модель семейства Llama для генерации текста и экспериментов с математически ориентированными диалогами.

16скачиваний 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

d24-sft-v1base-mathheavy-3.7B — чат-модель для генерации текста, созданная как исследовательская репликация проекта nanochat с обучением с нуля. Это плотный декодер семейства Llama с 24 слоями, размером скрытого состояния 1536 и 12 головами внимания; модель содержит около 756,7 млн параметров, использует SwiGLU, RoPE, RMSNorm и токенизатор GPT-2 BPE. Контекст ограничен 2048 токенами.

Модель прошла предварительное обучение, дообучение на математически ориентированных данных и SFT на смеси диалоговых данных. Она предназначена для чата и генерации текста, в частности для экспериментов с математическими задачами. На GSM8K указана точность 5,46%, поэтому результаты на математике могут быть слабыми. При генерации нужно останавливать вывод по строке завершения хода ChatML, иначе модель может продолжать до лимита генерации.

Чекпойнт предоставлен для исследований и распространяется по лицензии other; использованные сторонние наборы данных могут иметь собственные условия лицензирования. README описывает модель как исследовательский чекпойнт репликации обучения с нуля.

Сценарии применения

  • эксперименты с чат-моделью на базе nanochat
  • генерация ответов в диалоге
  • исследование влияния математического дообучения на языковую модель

Ограничения

На GSM8K модель показала точность 5,46%, поэтому её математические ответы могут быть ненадёжными. Для корректного завершения диалога требуется остановка генерации по строке окончания хода ChatML; контекст составляет 2048 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

d24-sft-v1base-mathheavy-3.7B

v1-base SFT chat model, math-heavy midtrain.

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, undertrained) → math-heavy midtrain (3.7B: FineMath/OpenMath/MetaMath/OpenThoughts + ClimbMix anchor) → SFT (nanochat mix).

Metrics. GSM8K (greedy, full 1319): 5.46% · SFT val lm-loss 0.164.

Use (chat)

This is a chat model (ChatML). The turn terminator it emits is the literal string <|im_end|> — which is not the eos_token_id (50256 = <|endoftext|>) and is not even a single token. You must stop on the <|im_end|> string or generation will not stop:

from transformers import AutoModelForCausalLM, AutoTokenizer
mid = "sfanm/d24-sft-v1base-mathheavy-3.7B"
tok = AutoTokenizer.from_pretrained(mid)
model = AutoModelForCausalLM.from_pretrained(mid, torch_dtype="bfloat16", device_map="auto")

msgs = [{"role": "user", "content": "Natalia sold clips to 48 friends in April and half as many in May. How many total?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512, do_sample=False, stop_strings=["<|im_end|>"], tokenizer=tok)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=False))

Without stop_strings=["<|im_end|>"] the model rambles to max_new_tokens: the configured eos_token_id (50256) is the GPT-2 document EOS, which a chat turn does not end with. For vLLM, pass stop=["<|im_end|>"].

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
d335d3d

0 моделей