/ Модель

Характеристики

Контекст
256 токенов
Параметры
58,7 млн
Лицензия
Apache 2.0
Архитектура
hca · dense
Опубликована
9 сен 2026

Mnemosyne-64M

Генерация текстаТекст → текст3 профессии

Базовая 58,7-миллионная языковая модель HCA для генерации текста с контекстом 256 токенов.

133скачиваний за 30 дней1лайквеса обновлены9 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

Mnemosyne-64M — базовая языковая модель с причинной архитектурой Hierarchical Chunk Attention (HCA), разработанная BIBLIOKLEPT и обученная с нуля. В метаданных указано 58,7 млн параметров; README приводит другую оценку — 62,93 млн. Модель предобучена на 1,28 млрд токенов из образовательного корпуса FineWeb-Edu, включающего учебные тексты, научные статьи, Википедию, математику и чистый код.

Модель предназначена для генерации текста и продолжения коротких текстовых фрагментов. Архитектура использует 16 слоёв и иерархическое внимание по чанкам; нативный контекст — 256 токенов. Репозиторий содержит веса в формате safetensors.

Короткий контекст ограничивает работу с длинными документами и развёрнутыми диалогами. В карточке не описаны инструкции для чат-сценариев или подтверждённые оценки качества. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение короткого текстового фрагмента
  • генерация учебного текста
  • эксперименты с архитектурой иерархического внимания
  • исследование компактных причинных языковых моделей

Ограничения

Нативный контекст ограничен 256 токенами, поэтому модель не подходит для длинных документов. README и метаданные дают расходящиеся оценки числа параметров: 62,93 млн и 58,7 млн соответственно.

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

Mnemosyne-64M (Base Model)

Mnemosyne-64M is the foundational base model for the Hierarchical Chunk Attention (HCA) architecture, pre-trained from scratch on 1.28 Billion tokens using a single NVIDIA GeForce RTX 3090.

Training Datasets

  1. Pretraining Corpus: HuggingFaceFW/fineweb-edu (Sample-10BT slice)
    • Total Volume: 1.28 Billion Tokens (~10.2M unique sequences, 20 tokens per parameter Chinchilla budget).
    • Content: High-quality educational text, academic papers, Wikipedia, mathematics, and clean code.

Architecture Specifications

  • Parameters: 62.93 Million (16 layers, 8 heads, $d_{\text{model}} = 512$, $d_{\text{ff}} = 1536$)
  • Mechanism: Hierarchical Chunk Attention (HCA) with $C=32$ intra-chunk FlashAttention and $S=4$ un-decayed chunk landmarks ($\gamma = 1.0$).
  • Pretrain Loss: 3.7242 (with minima below 3.44 nats).
  • Hardware Throughput: 99,455 tokens/sec on an RTX 3090.

How to Run Inference

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BIBLIOKLEPT/Mnemosyne-64M"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, 
    dtype=torch.bfloat16, 
    device_map="cuda", 
    trust_remote_code=True
)

prompt = "The phenomenon of gravity is defined as"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=100, do_sample=True, temperature=0.6)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
HCAForCausalLM
Ревизия весов
add8f69

0 моделей