/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
65,3 млн
Лицензия
CC BY-NC 4.0
Архитектура
MoE
Библиотека
pytorch
Опубликована
6 сен 2026

TR-HASH-MoE-100M-70B-Agentic-Refinement

Генерация текстаТекст → текст3 профессии

Промежуточная языковая MoE-модель AETHORIA-AI для генерации текста на английском и французском языках, полученная refinement-дообучением базового TR-HASH-чекпойнта.

325скачиваний за 30 дней1лайквеса обновлены7 сен 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

TR-HASH MoE 100M Agentic Refinement — языковая модель AETHORIA-AI на архитектуре mixture-of-experts с детерминированной хеш-маршрутизацией и grouped-query attention. Опубликованный чекпойнт содержит 65,3 млн параметров и дообучен от AETHORIA-AI/TR-HASH-MoE-100M-125B-Agentic-Pretraining на данных из набора TR-HASH-Pretraining-125B-Agentic-32K. Модель принимает текст и предназначена для генерации текста; в карточке заявлены английский и французский языки. Контекст модели — 2048 токенов.

Это промежуточный чекпойнт, остановленный и оценённый на 9 791 обновлении оптимизатора после обработки около 38,5 млрд токенов refinement. На тесте PIQA он показал 65,45% accuracy и 65,67% нормализованной accuracy; прирост нормализованной метрики относительно финала предобучения составил 0,16 процентного пункта. Результаты относятся к указанной оценочной процедуре и не гарантируют качество на других задачах. Модель опубликована под лицензией CC BY-NC 4.0, допускающей использование с ограничениями на коммерческое применение.

Сценарии применения

  • генерация продолжения текста на английском языке
  • генерация продолжения текста на французском языке
  • эксперименты с детерминированной хеш-маршрутизацией MoE
  • оценка языковой модели на задаче PIQA
  • исследование refinement-дообучения языковых моделей

Ограничения

Это незавершённый промежуточный чекпойнт: запланированный 70B-token проход остановлен после 38,5 млрд refinement-токенов. Прирост нормализованной точности PIQA относительно базового финального чекпойнта составил лишь 0,16 процентного пункта; лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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

TR-HASH MoE 100M - Agentic Refinement

Status: stopped and evaluated at optimizer update 9,791. The selected checkpoint is published at the repository root. The intended 70B-token schedule was stopped after 38.50B refinement tokens because the historical PIQA acc_norm gain remained limited to +0.16 percentage point over the pretraining final. This is an evaluated intermediate refinement checkpoint, not a completed 70B pass.

This run restarts from the verified final/ weights of TR-HASH MoE 100M - 125B Agentic Pretraining. It loads model weights only and creates a fresh optimizer and learning-rate schedule.

Root checkpoint

FieldValue
Selected checkpointtoken_pack_011_9791
Optimizer updates9,791 / 17,801
Refinement-token exposure38,499,778,560
Total source-token exposure163,499,376,640
Learning rate at checkpoint4.8412e-5
Parameters100,366,720
Root weight filemodel.safetensors
Weight SHA-2569a7935ea8a213bb578b9932eb6905ef1bbe907940483712ce0ce8b707c32a3ea

The repository root also contains the model configuration and its native 32K Agentic tokenizer. The token_pack_* directories remain available as resumable training checkpoints with optimizer state.

Evaluation

PIQA was evaluated over all 1,838 validation examples with the historical MLX scorer used for this lineage: goal + " " + solution.lstrip(), the model's own tokenizer, add_special_tokens=False, no BOS/EOS, and no chat template.

CheckpointPIQA accPIQA acc_norm
Pretraining final64.69%65.51%
Corrected refinement step 9,79165.45%65.67%
Change+0.76 pp+0.16 pp

Machine-readable PIQA results and the exact scorer, tokenizer, and checkpoint hashes are provided in eval_results.json.

Corrected optimizer-update contract

SettingCorrected value
Source datasame audited 70B unique-token core
Replaynone
Parametersfull model
Tokens per optimizer update3,932,160
Planned optimizer updates17,801
Scheduled token exposure69,996,380,160
Unused audited tail3,407,872 tokens
Optimizerfresh AdamW
Peak learning rate1e-4
Schedulercosine
Warmup500M tokens
Weight decay0.1
Sequence length2,048
Intended hardware8 x NVIDIA RTX 5090
Batch per GPU16 sequences
Gradient accumulation15

The Complexity framework now prints an OPTIMIZER UPDATE CONTRACT block before data loading and rejects a 100M refinement launch if LR, scheduler, warmup, weight decay, or tokens per update differ from this contract. Runtime metrics retain the historical step fields and also expose optimizer_update, optimizer_updates_planned, and tokens_per_optimizer_update.

Provenance note

The earlier 100M refinement archive was withdrawn because it used 229,376 tokens per optimizer update, causing many more AdamW updates per source token. It must not be used as the initialization point for this run.

License

Released under CC BY-NC 4.0. Source datasets retain their own licenses and terms.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
bde8ecb

0 моделей