/ Модель

Характеристики

Параметры
109 млн
Лицензия
Apache 2.0
Архитектура
mega · dense
Опубликована
26 дек 2023

mega-ar-126m-4k

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная модель MEGA с 109,4 млн параметров для генерации текста и экспериментов.

213скачиваний за 30 дней5лайковвеса обновлены12 мая 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

BEE-spoke-data/mega-ar-126m-4k — небольшая языковая модель, разработанная BEE-spoke-data и обученная с нуля для генерации текста. Она использует архитектуру MEGA (MegaForCausalLM), которая, согласно карточке, технически не является трансформером. Модель содержит 109,4 млн параметров; указаны 12 слоёв, скрытый размер 768 и токенизатор GPT NeoX.

Модель предназначена для продолжения текста и экспериментов с компактными языковыми моделями. Контекст составляет 4096 токенов; чанкинг MEGA отключён. В метаданных указан английский язык, а среди обучающих данных — MiniPile, англоязычная Википедия и набор knowledge-inoc-concat-v1.

Автор характеризует модель как небольшую и приводит начальные результаты нескольких оценок, включая ARC Easy и BoolQ. Эти результаты ограничены приведёнными тестами и не подтверждают пригодность для широкого круга практических задач. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста
  • генерация коротких текстовых фрагментов
  • эксперименты с компактными языковыми моделями
  • изучение архитектуры MEGA

Ограничения

Модель небольшая, а приведённые в карточке оценки охватывают лишь несколько бенчмарков и не гарантируют качества в других задачах. Контекст ограничен 4096 токенами.

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

BEE-spoke-data/mega-ar-126m-4k

This may not be the best language model, but it is a language model! It's interesting for several reasons, not the least of which is that it's not technically a transformer.

Details:

  • 768 hidden size, 12 layers
  • no MEGA chunking, 4096 context length
  • EMA dimension 16, shared dimension 192
  • tokenizer: GPT NeoX
  • train-from-scratch

For more info on MEGA (& what some of the params above mean), check out the model docs or the original paper

A more detailed and useful view (based on expanding the viewer + some reformatting)

image

Usage

Usage is the same as any other small textgen model.

Given the model's small size and architecture, it's probably best to leverage its longer context by adding input context to "see more" rather than "generate more".

evals

Initial data:

hf-causal-experimental (pretrained=BEE-spoke-data/mega-ar-126m-4k,revision=main,trust_remote_code=True,dtype='float'), limit: None, provide_description: False, num_fewshot: 0, batch_size: 4

TaskVersionMetricValueStderr
arc_easy0acc0.4415±0.0102
acc_norm0.3969±0.0100
boolq1acc0.5749±0.0086
lambada_openai0ppl94.9912±3.9682
acc0.2408±0.0060
openbookqa0acc0.1660±0.0167
acc_norm0.2780±0.0201
piqa0acc0.5974±0.0114
acc_norm0.5914±0.0115
winogrande0acc0.4830±0.0140

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура mega неизвестна transformers в образе рантайма.

Класс архитектуры
MegaForCausalLM
Ревизия весов
9302c82

0 моделей