/ Модель

Характеристики

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

d24-sft-v1base-olmo3-2.3B

Генерация текстаТекст → текст3 профессии

Чат-модель на 756,7 млн параметров для генерации текста в формате ChatML, полученная в ходе репликации nanochat-d24.

21скачиваний 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-sft-v1base-olmo3-2.3B — чат-модель, созданная в рамках репликации nanochat-d24 с обучением с нуля, промежуточным обучением в стиле OLMo-3 Dolmino и последующей донастройкой на смеси nanochat. Это плотный декодер семейства Llama с 24 слоями, размерностью скрытого состояния 1536 и 12 головами внимания; используются SwiGLU, RoPE, RMSNorm и токенизатор GPT-2 BPE с размером словаря 50 304. В модели около 756,7 млн параметров, контекст — 2048 токенов.

Модель предназначена для генерации текста в формате чата ChatML. В README приведён результат GSM8K 4,93% на полном наборе из 1319 заданий; также отмечено переобучение на обучающей смеси SFT по знакомству с форматом. Для остановки генерации нужно использовать строку завершения хода ChatML: настроенный EOS-токен сам по себе не завершает ход чата, поэтому без заданной строки остановки модель может продолжать генерацию до лимита. Чекпойнт представлен как исследовательская репликация; лицензия указана как other, а для использованных сторонних корпусов следует учитывать их собственные лицензии.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • продолжение текста по заданному контексту
  • эксперименты с дообучением чат-моделей
  • оценка генерации на задачах GSM8K

Ограничения

В README указана низкая точность на GSM8K — 4,93%, а также переобучение на обучающей смеси SFT по знакомству с форматом. Для корректного завершения ответа нужно настроить остановку по строке завершения хода ChatML; лицензия модели указана как other, а лицензии сторонних обучающих корпусов могут различаться.

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-sft-v1base-olmo3-2.3B

v1-base SFT chat model, OLMo-3 Dolmino-style 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) → OLMo-3 Dolmino-style midtrain (2.3B corpus, 20 components incl. instruction/QA) → SFT (nanochat mix).

Metrics. GSM8K (greedy, full 1319): 4.93% · SFT val lm-loss 0.222 (overfits SFT train via format familiarity).

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-olmo3-2.3B"
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
29e6a84

0 моделей