/ Модель

Характеристики

Контекст
16 384 токена
Параметры
1,2 млрд
Размер весов
32,5 ГБ
Лицензия
Apache 2.0
Архитектура
llada2_moe · MoE
Базовая модель
DMax-Math-16B
Библиотека
transformers
Опубликована
5 окт 2026

DMax-Math-MMD

Генерация текстаТекст → текст

DMax-Math-MMD — дообученная диффузионная языковая модель для генерации решений математических задач.

534скачиваний за 30 дней0лайковвеса обновлены6 окт 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

DMax-Math-MMD — диффузионная языковая модель для математических рассуждений, созданная командой yresearch. Это дообученная версия DMax-Math-16B на основе LLaDA2.0-mini с гибридной диффузией блоков masked–uniform. При постобучении с Representation-Space MMD модель оптимизировали, чтобы её ответы в пространстве представлений замороженной диффузионной языковой модели соответствовали эталонным решениям.

Модель предназначена для генерации решений математических задач. В README заявлено увеличение числа токенов за один прямой проход при сохранении или улучшении точности на указанных бенчмарках. Архитектура в метаданных обозначена как MoE семейства LLaDA 2; размер репозитория указан как 1,2 млрд параметров, контекст — 16 384 токена. Карточка приводит оценивание через dInfer, но не содержит результатов конкретных бенчмарков.

Модель принимает текст и генерирует текст. Язык — английский, судя по англоязычной карточке и математическому назначению; поддержка других языков не подтверждена. Лицензия — Apache-2.0. Ограничение: заявленные улучшения относятся к математическим бенчмаркам, а результаты и диапазон задач в карточке подробно не раскрыты.

Сценарии применения

  • Решение математических задач с пошаговым объяснением
  • Генерация ответов на математические вопросы
  • Исследовательское сравнение диффузионных моделей для математики

Ограничения

Заявленные улучшения описаны для математических бенчмарков; карточка не приводит их конкретные результаты и не подтверждает качество на других типах задач. Поддержка языков, кроме английского, не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DMax-Math-MMD

License: Apache-2.0 Arxiv GitHub: Code

Representation-Space MMD for Diffusion Language Models

DMax-Math-MMD is a 16B diffusion language model for mathematical reasoning, obtained by MMD post-training of DMax-Math-16B. It builds on LLaDA2.0-mini and uses DMax's hybrid masked–uniform block diffusion.

The post-training objective minimizes Maximum Mean Discrepancy (MMD) between model samples and reference responses, measured in the representation space of a frozen diffusion language model. The project reports increased tokens per forward pass while maintaining or improving accuracy on the benchmarks below.

Reference results

Results reported in the project README, with decoding threshold 0.85. Each entry is accuracy (%) / tokens per forward pass (TPF). Baseline results are attributed to the original DMax paper in the project README.

MethodGSM8KMATH500Minerva-AlgebraASDIV
DMax-Math92.1 / 5.4875.4 / 5.9491.5 / 7.0392.5 / 5.62
DMax-Math-MMD92.1 / 6.1576.0 / 6.8492.1 / 8.1992.9 / 6.20

Results can vary with hardware, tensor parallelism, and library versions. TPF measures decoding parallelism; wall-clock speed also depends on the runtime.

Evaluation and inference

Use DMax's dInfer evaluation pipeline. After following the evaluation environment setup in the project README, run from the project repository root:

conda activate dinfer
DOMAIN=math MODEL_PATH=yresearch/DMax-Math-MMD bash scripts/eval.sh

The project's math evaluation uses threshold 0.85 and evaluates GSM8K, MATH500, Minerva-Algebra, and ASDIV.

The checkpoint includes nine Safetensors shards with BF16 parameters and FP32 router bias buffers, plus its tokenizer, chat template, and custom model code. Direct Transformers loading requires trust_remote_code=True. Pass dtype=torch.bfloat16 for BF16 loading; the current configuration declares FP32.

Generation requires the DMax/dInfer diffusion decoder. The included custom backbone does not implement the standard Transformers .generate() interface.

License and acknowledgements

The model follows the Apache-2.0 license of the DMax-Math base checkpoint and LLaDA2.0-mini. The included model implementation retains its Apache-2.0 notices. The separate MMD training repository is MIT-licensed, with Apache-2.0 third-party components.

We thank the authors of DMax, LLaDA2.0-mini, and dInfer for releasing their models, data, and code.

Citation

If you find this work useful in your research, please consider citing:

@article{drobyshevskiy2026mmd,
  title  = {Representation-Space MMD for Diffusion Language Models},
  author = {Drobyshevskiy, Ilya and Sudakov, Ilia and Semenov, Maksim and Kuznedelev, Denis and
            Ignatov, Maksim and Temirchev, Pavel and Balagansky, Nikita and
            Meshchaninov, Viacheslav and Gushchin, Nikita and Baranchuk, Dmitry},
  journal = {arXiv preprint arXiv:2610.06648},
  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
LLaDA2MoeModelLM
Ревизия весов
1f8c5dd

0 моделей