/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
pytorch
Опубликована
1 сен 2026

grt-medium-isoflop

Генерация текстаТекст → текст3 профессии

GRT Medium isoFLOP — англоязычная рекуррентная трансформерная модель примерно на 358 млн параметров для генерации текста с регулируемой глубиной вычислений.

70скачиваний 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 Medium isoFLOP — контрольная точка модели Gated Recurrent Transformer, разработанной Амром Хегази, Амром Аланваром и Мостафой Эльхуши. Модель использует общие блоки трансформера, применяемые рекуррентно, с вводными и завершающими блоками. Вариант isoFLOP настроен на сопоставимые вычисления при инференсе и меньшее число уникальных параметров; конфигурация — 2+20×4+2, размер — около 358 млн параметров.

Модель предназначена для генерации текста. Архитектура использует повторное введение представления исходного входа, поэлементные сигмоидальные шлюзы и шум состояния и шлюзов при обучении. Глубина рекурсии выбирается при обучении и задаётся при инференсе, что позволяет настраивать вычислительную глубину и использовать ранний выход из одной контрольной точки. В метаданных указан английский язык и набор данных common-pile/cccc_filtered. Модель распространяется в формате safetensors по лицензии CC BY 4.0. README ссылается на исследовательскую работу, однако контрольная точка представлена как применимая модель генерации текста.

Сценарии применения

  • генерация продолжений английского текста
  • создание черновиков и коротких текстовых фрагментов
  • эксперименты с рекуррентными трансформерами
  • сравнение вычислительной глубины при генерации текста

Ограничения

Качество генерации и допустимая глубина рекурсии зависят от настроек инференса; описание не приводит результатов оценки качества или рекомендуемых параметров генерации.

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 Medium (medium-isoflop)

This is a Medium 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)
Config2+20×4+2
Parameters~358M
Block executions / token84
Embedding dim1024
Heads16
Shared layers20
Context length1024
Training tokens~9.8B (CCCC Filtered)
Validation loss2.7632

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
d9b91a9

0 моделей