/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
pytorch
Опубликована
1 сен 2026

grt-large-isoflop

Генерация текстаТекст → текст3 профессии

GRT Large isoFLOP — англоязычная рекуррентная трансформерная модель примерно на 287 млн параметров для генерации текста с настраиваемой глубиной вычислений при инференсе.

80скачиваний за 30 дней0лайковвеса обновлены1 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

GRT Large isoFLOP — контрольная точка языковой модели Gated Recurrent Transformer, разработанной Амром Хегази, Амром Аланваром и Мостафой Элхуши. Модель предназначена для генерации текста; в карточке указана версия примерно на 287 млн параметров, обученная в режиме isoFLOP с сопоставимыми вычислительными затратами при инференсе и меньшим числом уникальных параметров.

Архитектура повторно применяет общий блок трансформера между фиксированными блоками prelude и coda. На каждом шаге исходное представление подмешивается через проекцию, а обучаемый поэлементный sigmoid-шлюз регулирует обновление скрытого состояния. Глубина рекурсии выбирается при обучении и фиксируется при инференсе, что позволяет завершать вычисления раньше на одном и том же чекпойнте. Карточка указывает английский язык; модель распространяется в формате safetensors по лицензии CC BY 4.0.

Модель подходит для исследовательского и прикладного эксперимента с генерацией текста и рекуррентными трансформерами. README описывает механизм раннего выхода, но не приводит измерений качества или подробностей о контекстном окне; результат генерации может зависеть от выбранной глубины рекурсии.

Сценарии применения

  • генерация продолжений англоязычных текстов
  • эксперименты с рекуррентной глубиной языковой модели
  • сравнение вычислительных режимов isoFLOP для генерации текста

Ограничения

README не сообщает результаты оценивания качества или размер контекстного окна. Глубину рекурсии при инференсе необходимо задавать отдельно.

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

GRT Large (large-isoflop)

This is a Large isoFLOP checkpoint of the Gated Recurrent Transformer (GRT), described in:

Gated Recurrent Transformers: Expressive Depth through Recurrent Modulation Amr Hegazy, Amr Alanwar, Mostafa Elhoushi arXiv:2608.15062 · Code

Architecture

GRT applies a shared transformer block recurrently with three key innovations:

  1. Prelude injection: the output of fixed prelude blocks is concatenated with the noised hidden state and re-projected at every recurrence step, grounding each iteration in the original input representation.
  2. Elementwise sigmoid gating: an MLP gate blends the shared block's output into the residual stream (initialized near-open at σ(+4) ≈ 0.98), allowing the model to learn which elements to overwrite as training proceeds.
  3. State and gate noise: Gaussian perturbation of both the hidden state (εx) and gate logits (εg) at each step discourages brittle exact-match patterns and prevents gate collapse.

The architecture is prelude → shared core × R → coda, where R (recurrence depth) is sampled uniformly during training and fixed at inference. This enables inference-time early exiting from a single checkpoint without auxiliary losses.

This checkpoint

Value
RegimeisoFLOP (matched inference FLOPs, fewer unique parameters)
Config1+5×6+5
Parameters~287M
Block executions / token36
Embedding dim1280
Heads20
Shared layers5
Context length1024
Training tokens~9.8B (CCCC Filtered)
Validation loss2.7766

Usage

import torch
from model import GPT, GPTConfig

# Load checkpoint
ckpt = torch.load("ckpt.pt", map_location="cpu")
config = GPTConfig.from_checkpoint_args(ckpt["model_args"])
model = GPT(config)
model.load_state_dict(ckpt["model"])
model.eval().cuda()

# Generate
import tiktoken
enc = tiktoken.get_encoding("gpt2")
prompt = enc.encode("The meaning of life is")
x = torch.tensor([prompt], dtype=torch.long, device="cuda")
y = model.generate(x, max_new_tokens=100, temperature=0.8, top_k=200, n=6)
print(enc.decode(y[0].tolist()))

Or use the provided sample.py:

git clone https://github.com/Amr-Hegazy1/gated-recurrent-transformer
cd gated-recurrent-transformer
# download ckpt.pt into logs/<config>/
python sample.py --out_dir=logs/<config> --recurrent_depth=6

Citation

@article{hegazy2026grt,
  title   = {Gated Recurrent Transformers: Expressive Depth through Recurrent
             Modulation},
  author  = {Hegazy, Amr and Alanwar, Amr and Elhoushi, Mostafa},
  journal = {arXiv preprint arXiv:2608.15062},
  year    = {2026},
}

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
9620302

0 моделей