/ 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-stage2

Генерация текстаТекст → текст3 профессии

Промежуточный чекпойнт OLMo 3 на 3,2 млрд параметров для экспериментов с генерацией текста и архитектурами SiameseNorm и DepthAttention.

98скачиваний 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

ArchSpace-Collection публикует экспорт OLMo 3 3B SiameseNorm + DepthAttention — промежуточного чекпойнта после второго этапа дополнительного обучения. Это плотная авторегрессионная языковая модель семейства OLMo 3 с 3,2 млрд параметров, доступная в формате safetensors и работающая через Transformers с пользовательским кодом архитектуры. Модель принимает текст и генерирует текст; контекст составляет 8 192 токена.

Внимание сочетает скользящее окно размером 4 096 токенов и полное внимание по шаблону [SWA, SWA, SWA, Full]. Репозиторий предназначен для продолжения обучения и экспериментов с SiameseNorm и DepthAttention, а также для генерации текста на основе доступного чекпойнта. В карточке не указаны лицензия и результаты оценки качества, поэтому их нельзя определить по предоставленным данным. Для загрузки README требует Transformers версии 4.57.6 или выше, но ниже 5, и включения trust_remote_code.

Сценарии применения

  • генерация текста с контекстом до 8 192 токенов
  • эксперименты с архитектурой SiameseNorm
  • исследование механизма DepthAttention
  • продолжение обучения чекпойнта OLMo 3

Ограничения

Это чекпойнт второго этапа обучения; README не приводит оценок качества или сведений о лицензии. Для загрузки требуется Transformers версии 4.57.6–4.x и включённый trust_remote_code.

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 2 Mid-training

This repository is the Hugging Face export of o3sd3b-s2-s8192-g256-m1-ga2-tp2-cp1-dp128-h16-b8-mc2-lr2p071e4-256npu-arch-0903100156-s2v2 at iteration 47684. 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-stage2"
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
574d96a

0 моделей