/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
pytorch
Опубликована
1 сен 2026

grt-large-isoparam

Генерация текстаТекст → текст3 профессии

GRT Large — англоязычная рекуррентная Transformer-модель примерно на 778 млн параметров для авторегрессионной генерации текста.

105скачиваний за 30 дней1лайквеса 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 (large-isoparam) — чекпойнт модели Gated Recurrent Transformer, разработанной Амром Хегази, Амром Аланваром и Мостафой Эльхуши. Это авторегрессионная языковая модель с архитектурой prelude → общий блок Transformer, применяемый рекуррентно → coda. Вариант isoParam рассчитан на сопоставимое число параметров при большей глубине рекурсии; конфигурация 3+30×6+3 содержит около 778 млн параметров.

Модель предназначена для генерации текста. Общий блок повторяется заданное число раз, а глубину рекурсии можно зафиксировать при инференсе, что позволяет завершать вычисление раньше. В архитектуре используются инъекция исходного представления на каждом шаге, поэлементное сигмоидное гейтирование и шум состояния и логитов гейта. В метаданных указан английский язык. Модель опубликована в формате safetensors; лицензия — CC BY 4.0.

Сценарии применения

  • продолжение англоязычного текста
  • генерация черновиков и фрагментов прозы
  • эксперименты с глубиной рекуррентной языковой модели

Ограничения

В карточке не приведены результаты бенчмарков или оценка качества генерации; модель описана как исследовательский чекпойнт.

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-isoparam)

This is a Large isoParam 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
RegimeisoParam (matched parameter count, more recurrence for accuracy)
Config3+30×6+3
Parameters~778M
Block executions / token186
Embedding dim1280
Heads20
Shared layers30
Context length1024
Training tokens~9.8B (CCCC Filtered)
Validation loss2.6355

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
bf1eca2

0 моделей