SOVYN-85M

처음부터 학습한 85M 파라미터 한국어 추론 모델.

수학, 코드 트레이싱, 논리, 물리, 화학, 생물, 지구과학, 한국사, 미적분 등 119개 카테고리의 문제를 단계별로 풀이한다.

스펙

파라미터	85.4M
아키텍처	GPT (Decoder-only)
레이어	12
어텐션 헤드	12
임베딩 차원	768
컨텍스트 길이	512
어휘 크기	16,384 (BPE)
어텐션	Flash Attention (SDPA)
정밀도	float16

학습

• 데이터: 591,261개 합성 추론 문제 (119 카테고리), 27.97M 토큰
• 옵티마이저: AdamW (lr=3e-4, weight_decay=0.1)
• 스케줄: Cosine decay + warmup 500 steps
• 배치: 16 x 4 grad_accum = effective 64
• 스텝: 20,000
• GPU: RTX 5080 16GB
• 학습 시간: ~4시간

벤치마크

자체 벤치마크 52문제, 10개 카테고리.

카테고리	정확도
산술	100%
코드 트레이싱	100%
숫자 성질	100%
서술형	100%
연산 우선순위	88%
리스트 연산	83%
괄호 연산	80%
방정식	80%
논리	80%
수열	33%
전체	86.5%

사용법

pip install torch safetensors tokenizers huggingface_hub

import torch
from safetensors.torch import load_file
from tokenizers import Tokenizer
from huggingface_hub import hf_hub_download

# 다운로드
model_path = hf_hub_download("SOVYN/SOVYN-85M", "model.safetensors")
tok_path = hf_hub_download("SOVYN/SOVYN-85M", "tokenizer.json")
code_path = hf_hub_download("SOVYN/SOVYN-85M", "model.py")

# 아키텍처 로드
import importlib.util
spec = importlib.util.spec_from_file_location("model", code_path)
mod = importlib.util.module_from_spec(spec)
spec.loader.exec_module(mod)

# 모델 로드
model = mod.SOVYN85M()
state_dict = load_file(model_path)
state_dict = {k: v.float() for k, v in state_dict.items()}
model.load_state_dict(state_dict)
model.eval()

tokenizer = Tokenizer.from_file(tok_path)

# 추론
prompt = "문제: 3x + 7 = 22일 때, x의 값을 구하시오.\n풀이:\n"
ids = torch.tensor([tokenizer.encode(prompt).ids])
out = model.generate(ids, max_new_tokens=200, temperature=0.3)
print(tokenizer.decode(out[0].tolist()))

프롬프트 형식

문제: {내용}
풀이:

"풀이:" 이후를 생성. 단계별 풀이 + "답: {정답}" 형태로 출력.

제한사항

• 합성 데이터로만 학습. 자유 대화 불가.
• 수열(등비/피보나치) 약함.
• 컨텍스트 512 토큰 제한.

라이선스

Apache-2.0