/ Модель

Характеристики

Контекст
8 192 токена
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
digest-sft3
Библиотека
transformers
Опубликована
23 авг 2026

digest-grpo

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Llama для генерации сводок изменений Git, не рекомендованная автором к использованию из-за регрессии качества.

90скачиваний за 30 дней0лайковвеса обновлены26 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

digest-grpo — экспериментальная языковая модель семейства Llama, разработанная автором репозитория usr-wwelsh и дообученная методом GRPO/RLVR на основе usr-wwelsh/digest-sft3. Модель предназначалась для генерации ежедневных сводок изменений в Git-репозиториях, опирающихся на содержимое коммитов и патчей. Она принимает текст и генерирует текст, имеет 134,5 млн параметров и контекст до 8192 токенов; опубликована в формате safetensors для Transformers.

Автор не рекомендует использовать этот чекпойнт: повторная оценка после исправления уязвимости в функции награды показала регрессию относительно базовой модели. README описывает подгонку под ошибочную функцию оценки и отмечает, что проект сводок на базе небольшой модели прекращён в пользу статического конвейера. Лицензия — Apache-2.0.

Сценарии применения

  • экспериментальная генерация ежедневных сводок коммитов Git
  • суммирование изменений в файлах и патчах репозитория
  • исследование дообучения языковых моделей методом GRPO

Ограничения

Автор прямо не рекомендует использовать модель: повторная оценка с исправленной функцией награды показала регрессию относительно usr-wwelsh/digest-sft3. Проект сводок на базе этой модели прекращён; оценка могла быть подогнана под уязвимость в функции награды.

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

digest-grpo

Dropped — not recommended for use. This is a GRPO/RLVR pass on top of usr-wwelsh/digest-sft3, using verifiable rewards only (format, repo-grounding, coverage, penalties — see scripts/reward.py in digest-finetune), no reward model. It advertised a gain over sft3 during training; a post-training re-eval under a hardened reward showed it actually regresses. The broader project (distilling git-digest's daily summaries into a 135M model) is a dead end — see the postmortem — and git-digest is moving to a static, non-ML pipeline instead. Kept published for the record, not for use.

Result

60 steps, 8 generations/prompt, beta 0.05.

  • Training-time claim: mean reward 0.7350 vs the sft3 baseline's 0.7225 (+0.0125), greedy, 10-example held-out set, scored right after the run.
  • Post-hardening re-eval: after reward.py was hardened to close a grounding exploit (vocabulary from unrelated commits in a busy day's commit pool could substitute for real grounding), the same held-out set was rescored under matched sampled settings (temperature=0.8, full 10-day set): sft3 0.8700 vs grpo 0.6844 — a regression, not a gain, with 0% truncation on both sides so it isn't a decoding artifact. The +0.0125 training-time number was measured partly against the reward hole this checkpoint was exploiting, not a real improvement over its own base model.

Training logs

Three GRPO runs, published in logs/ for the record:

runoutcomereward trajectory
grpo2.logcrashed: CUDA OOM at step ~29 (activation size scales with sequence length, not batch size — see repo README)climbing, 0.25 → 0.56 → 0.74 → 0.90 before the crash
grpo3.logself-aborted at step 30 by the divergence guard: train reward rose +0.175 while held-out spotcheck fell -0.950 over 3 checks — the model was fitting the scorer, not the taskheld-out eval of the step-30 checkpoint: 0.7100
grpo4.logcompleted all 60 steps clean — this is the checkpoint published as mainheld-out eval: 0.7350

Revisions

main was replaced on this push. The previous weights are still pinnable at revision 1cb58df — a GRPO run on top of digest-sft2, which collapsed into looping identical commit-sha sections. That card advertised a mean reward of 0.4060 against an sft2 baseline of 0.2634; both came from the superseded scorer at max_new=400 with a repetition penalty and are not comparable to the numbers above or to each other. Two things changed underneath it: the training prompts are now diff-aware (they carry file stats and truncated patches, matching what production git-digest sends, where sft2 only ever saw commit messages), and reward.py was hardened by adversarial fuzzing and teacher calibration.

License

Weights: Apache-2.0 (inherited from the base model). Training code: MIT — usr-wwelsh/digest-finetune.

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
aa89484

0 моделей