/ Модель

Характеристики

Контекст
8 192 токена
Параметры
3,2 млрд
Архитектура
olmo3_siamese_depth · dense
Библиотека
transformers
Опубликована
7 сен 2026

OLMo3-3B-SiameseNorm-DepthAttention-stage1

Генерация текстаТекст → текст3 профессии

Чекпойнт OLMo 3 на 3,2 млрд параметров для генерации текста и экспериментов с архитектурой SiameseNorm и DepthAttention.

91скачиваний за 30 дней0лайковвеса 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

Это экспортированный в формат Hugging Face чекпойнт OLMo 3 3B SiameseNorm + DepthAttention от ArchSpace-Collection, снимок первого этапа предобучения на итерации 715256. Модель представляет собой плотную авторегрессионную языковую модель для генерации текста с архитектурой OLMo3SiameseDepthForCausalLM и 3,2 млрд параметров.

Модель предназначена для генерации текста и может служить чекпойнтом для экспериментов и дальнейшего обучения. Она сохраняет архитектуру SiameseNorm и DepthAttention; использует скользящее окно размером 4096 токенов, а её заявленная длина контекста составляет 8192 токена. Внимание организовано по шаблону SWA, SWA, SWA, Full. Для загрузки требуется Transformers версии 4.57.6 или новее, но ниже 5, и параметр trust_remote_code=True.

Репозиторий содержит веса Safetensors и код архитектуры для Transformers. README не указывает лицензию или языки обучения, поэтому модель не следует считать разрешённой для коммерческого применения без проверки условий на странице репозитория. Это ранний чекпойнт предобучения; его пригодность для чата или прикладных задач в карточке не заявлена.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с архитектурами языковых моделей
  • исследование внимания со скользящим окном
  • дальнейшее предобучение языковой модели

Ограничения

Это чекпойнт первого этапа предобучения; возможность диалогового использования или качество на прикладных задачах не заявлены. Для загрузки нужны Transformers 4.57.6–4.x и trust_remote_code=True; лицензионные условия не приведены в предоставленных данных.

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

OLMo 3 3B SiameseNorm + DepthAttention — Stage 1 Pretraining

This repository is the Hugging Face export of o3sd3b-s8192-g1024-m1-ga4-tp2-cp1-sp1-dp256-h32-b8-mc2-lr7e4-r685k-autosp-512npu-arch-afsplm-20260902t043551z-ssp-v142 at iteration 715256. This model preserves the trained SiameseNorm + DepthAttention architecture through bundled Hugging Face remote code. Load it with trust_remote_code=True.

  • Training sequence length: 8,192
  • Model context capacity: 8,192
  • Sliding-window size: 4,096
  • Attention pattern: [SWA, SWA, SWA, Full]
  • Vocabulary: 100,278 real tokens; 74 Megatron padding-only rows removed

Stage 3/4 use the frozen 65,536-token configuration. YaRN applies to the Full Attention layers; SWA layers retain their original RoPE and 4,096-token local window.

Loading

Use transformers>=4.57.6,<5.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "ArchSpace-Collection/OLMo3-3B-SiameseNorm-DepthAttention-stage1"
tokenizer = AutoTokenizer.from_pretrained(
    repo_id,
    trust_remote_code=True,
    use_fast=True,
    fix_mistral_regex=False,
)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    trust_remote_code=True,
    dtype=torch.bfloat16,
    attn_implementation="sdpa",
)

fix_mistral_regex=False preserves the exact tokenizer behavior used during training. Conversion provenance, per-tensor hashes, and CPU validation results are included in conversion_manifest.json, SHA256SUMS, and hf_validation_report.json.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Olmo3SiameseDepthForCausalLM
Ревизия весов
adf1220

0 моделей