알고리즘: Per-layer linear interpolation (float32 → bfloat16)
t vector: 32 레이어 동적 가중치 (mean t=0.513)
- Golden Reasoning Layer (L0): t=0.90 (28B 페어는 L47, 9B는 L0이 입력 직후 가장 reasoning critical)
- Output Router (L31): t=0.53
챗 템플릿/토크나이저: Father 기준

평가 결과 (35-sample 3-way bench, max_tokens=5120)

평가 항목	Father (9B-Opus)	Mother (9B-NEG)	KOREA (Child)
정확도 (29개 객관식)	93.1%	93.1%	93.1%
한국어 출력률 (한국어 질문 23개)	91.3%	87.0%	91.3% ⭐

Win/Loss: Father vs Child 0:0, Mother vs Child 0:0 — 완전 동률 (자식이 두 부모와 동급)

28B-KOREA 비교: 정확도 -3.5%p (96.6% → 93.1%, 모델 크기 차이), 한국어 출력률 동일 91.3%.

사용 권장

권장 max_tokens: 1024 이상 (chain-of-thought 특성)
GPU 메모리: ~20GB BF16 (단일 H100/H200/A100 80GB 충분)
사고 패턴: 영어 reasoning 후 한국어 답변. 답 정확도 우선이면 권장.

Quick Start

python

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "VIDraft/Darwin-9B-KOREA",
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)
tok = AutoTokenizer.from_pretrained("VIDraft/Darwin-9B-KOREA", trust_remote_code=True)

msgs = [{"role": "user", "content": "한국 최초 한글 창제 이유를 한 문장으로."}]
inputs = tok.apply_chat_template(msgs, return_tensors="pt", add_generation_prompt=True).to(model.device)
out = model.generate(inputs, max_new_tokens=1024, do_sample=False, pad_token_id=tok.eos_token_id)
print(tok.decode(out[0][inputs.shape[1]:], skip_special_tokens=True))

License

Apache 2.0 (부모 모델 상속).

Related Models

VIDraft/Darwin-28B-KOREA — 큰 자매 모델 (52GB, 96.6% 정확도)

VIDRAFT Darwin Factory — Pair: Darwin-9B-Opus × Darwin-9B-NEG → Darwin-9B-KOREA