/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
8 окт 2025

AHN-Mamba2-for-Qwen-2.5-Instruct-3B

Генерация текстаТекст → текст4 профессии

Модуль AHN на базе Mamba2 расширяет Qwen2.5-3B-Instruct сжатой памятью для генерации текста с длинным контекстом.

163скачиваний за 30 дней9лайковвеса обновлены24 окт 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

ByteDance-Seed разработала AHN-Mamba2 для Qwen2.5-3B-Instruct — модуль Artificial Hippocampus Network, расширяющий языковую модель механизмом сжатой памяти для работы с длинным контекстом. AHN переносит информацию, выходящую за пределы скользящего окна внимания, в компактное представление, сохраняя точную информацию внутри окна. Репозиторий содержит только веса модуля AHN: 11,9 млн параметров; базовая модель Qwen2.5-3B-Instruct замораживается при обучении, а обучаются параметры AHN. Метаданные указывают архитектуру Qwen2, 3,1 млрд параметров для модели и контекст до 32 768 токенов.

Модель предназначена для генерации текста по длинным последовательностям и сценариев, где важно учитывать контекст за пределами обычного окна внимания. Для контекстов длиной не больше скользящего окна она работает как стандартный Transformer; более дальняя информация хранится сжато, поэтому её точность может быть ниже, чем у исходного токенного контекста. Использование предполагает интеграцию модуля с базовой моделью и соответствующей программной реализацией AHN. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных сведениях не раскрыты.

Сценарии применения

  • генерация ответов с учётом длинной истории диалога
  • суммаризация длинных документов
  • ответы на вопросы по длинному тексту
  • продолжение текста с дальним контекстом

Ограничения

Сжатое представление памяти может терять детали по сравнению с точным контекстом; применение требует базовой модели и реализации AHN. Указана лицензия other, поэтому перед использованием следует проверить условия лицензирования.

Для каких профессий подходит4

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

AHN: Artificial Hippocampus Networks for Efficient Long-Context Modeling

Introduction

Artificial Hippocampus Networks (AHNs) transform lossless memory into fixed-size compressed representations for long-context modeling. Lossless memory (e.g., attention’s key-value (KV) cache) stores exact input information but grows with sequence length, making it inefficient for long sequences. In contrast, compressed memory (e.g., RNNs’ hidden state) maintains a constant size and offers fixed computational costs per input token, but this comes at the cost of information loss. To harness the benefits of both memory types, AHNs continually convert lossless memory outside the sliding attention window into compressed form. AHNs can be instantiated with any RNN-like architectures. The model then integrates both memory types to make predictions across long contexts.

This repository hosts the model weights for AHN. For installation, usage instructions, and further documentation, please visit our GitHub repository.

Method

Model Zoo

base modelAHN module#paramscheckpoint (AHN only)
Qwen2.5-3B-InstructMamba211.9M🤗model
Qwen2.5-3B-InstructDeltaNet11.8M🤗model
Qwen2.5-3B-InstructGatedDeltaNet13.0M🤗model
Qwen2.5-7B-InstructMamba218.6M🤗model
Qwen2.5-7B-InstructDeltaNet18.5M🤗model
Qwen2.5-7B-InstructGatedDeltaNet21.3M🤗model
Qwen2.5-14B-InstructMamba251.4M🤗model
Qwen2.5-14B-InstructDeltaNet51.1M🤗model
Qwen2.5-14B-InstructGatedDeltaNet61.0M🤗model

Evaluation

LV-Eval & InfiniteBench Results

LongBench Results

Contact

Citation

BibTeX:

@article{fang2025artificial,
  title={Artificial hippocampus networks for efficient long-context modeling},
  author={Fang, Yunhao and Yu, Weihao and Zhong, Shu and Ye, Qinghao and Xiong, Xuehan and Wei, Lai},
  journal={arXiv preprint arXiv:2510.07318},
  year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
0cd105c

0 моделей