/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
symqwen3 · dense
Базовая модель
Qwen3-1.7B
Опубликована
27 авг 2026

SymQwen3-1.7B-CDLM-SDLM-5k

Генерация текстаТекст → текст

Экспериментальная симметризованная версия Qwen3-1.7B для диффузионной генерации текста.

17скачиваний за 30 дней0лайковвеса обновлены28 авг 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

SymQwen3-1.7B-CDLM-SDLM-5k — экспериментальный чекпойнт семейства SymQwen3 от EER6, созданный на основе Qwen/Qwen3-1.7B. Это плотная языковая модель с 1,7 млрд параметров для генерации текста; её симметризованная схема внимания предназначена для диффузионного языкового моделирования. Контекст составляет 40 960 токенов. Для работы требуется учитывать сохранённый в конфигурации режим внимания и использовать специализированный симметричный forward; модель ожидает полный холст входных токенов, не поддерживает KV-кэш и загружает пользовательский код через trust_remote_code.

Чекпойнт прошёл 5 тысяч шагов адаптации в рамках экспериментального сравнения способов преобразования Qwen3-1.7B из авторегрессионной модели в диффузионную. В README приведены результаты оценки на задачах генерации и кодирования, однако они получены с одним seed и жадным декодированием; статистически значимых различий между сравниваемыми моделями не обнаружено. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация текста с диффузионным языковым моделированием
  • эксперименты с преобразованием авторегрессионной модели в диффузионную
  • сравнение схем симметризованного внимания
  • оценка генерации кода на бенчмарке MBPP

Ограничения

Результаты основаны на одном seed и жадном декодировании и не показывают статистически значимых различий с сопоставляемыми моделями. Необходимо сохранять настроенный режим симметричного внимания; полный входной холст обязателен, KV-кэш не используется.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SymQwen3-1.7B-CDLM-SDLM-5k

Staged symmetrized arm: initialized from CDLM-5k; attention pattern constrained to rownorm(A + A^T) of the model's own causal pattern A. Must be evaluated through this sym forward (config.attn_mode is pre-set).

Part of the DLM1B qwen3_sym campaign (2026-08-26/27): a matched-total-compute comparison of AR→DLM conversion recipes for Qwen3-1.7B — direct bidirectional (BDLM), a causal mask-tolerance stage (CDLM), staged adaptations with free (BDLM) vs hard-symmetrized (SDLM) attention, and a λ-sweep of blended rules (MIX: λ·symmetrized + (1−λ)·free). Every path totals 10k steps at GBS 256 × L2048 (~5.2B tokens), lr 1e-5, wd 0, WSD 100/*/500, ADLMC v3 data mixture + frozen aug, all-position clean-target supervision.

⚠ SDLM eval rule. config.attn_mode records the training-time attention semantics and the loaded model applies it automatically. Do NOT override it — in particular, running the CDLM-SDLM checkpoint through free bidirectional attention collapses it instantly (established in the DLM1B toy laboratory, Exp 4). All state_dicts are architecturally identical across modes; the mode is forward semantics, not weights.

Endpoint results (all arms, for context)

modelHE static-32HE τ0.95MBPP-499
BDLM-10k27.427.425.1
CDLM-5k (stage)9.1—10.0
CDLM→BDLM-5k (λ=0)23.223.227.9
CDLM→MIX-5k λ=0.126.226.227.7
CDLM→MIX-5k λ=0.527.427.428.7
CDLM→SDLM-5k (λ=1)26.223.226.1

All pass@1, greedy, generation canvas 256 (dQwen house harness; __g256 cells — NOT comparable to gen-1024 numbers elsewhere). τ0.95 = adaptive low-confidence commit, threshold 0.95. MBPP-499 = MBPP test minus task_id 493 (its 4.3k-char prompt starves a 2048 canvas). ⚠ Single seed, single greedy decode: per-problem paired tests (McNemar) find NO statistically significant difference between any two models; the consistent-sign finding is that only the hard-mirror (λ=1) arm degrades under adaptive commit. λ-comparisons are valid only within the staged family (same init/data/ steps); BDLM-10k has 2× the bidirectional-mode steps and 2× unique tokens.

Headlines: (1) conversion quality is remarkably ROBUST to the bidirectional mixing rule — hard mirror, free, and every tested blend land within ~2.5 points, none pairwise-significant; (2) the one consistent-sign effect is calibration under adaptive decode — only the hard-mirror (λ=1) arm loses answers at τ0.95, any free component makes adaptive commit a pure ~25% speedup; (3) λ=0.5 posts the best aggregates (interior maximum; hypothesis-grade, n=1). Details in the DLM1B campaign notes.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained(
    "EER6/SymQwen3-1.7B-CDLM-SDLM-5k", trust_remote_code=True, dtype="bfloat16")
tok = AutoTokenizer.from_pretrained("EER6/SymQwen3-1.7B-CDLM-SDLM-5k")

Forward contract (from ADLMC's DiffuQwen3): model(input_ids) prepends BOS internally; logits has shape (B, L, vocab) aligned to the input positions. Special ids: MASK = 151660 (<|fim_middle|>), PAD = 151643, BOS = 151652. The sym forward assumes a full canvas (attention_mask None/all-ones) and uses no KV cache.

Provenance

  • Training: Vista (TACC) job 943816, 5k (from CDLM-5k) steps, attn_mode sym; full step-level log in training_log.jsonl, exact CLI args in argparse.json.
  • Code: DLM1B/qwen3_sym @ a431778 (self-contained stack; validation gates in verify_port.py — aug byte-parity, bitwise loss parity on real weights, save→reload).

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
SymQwen3
Ревизия весов
6cb9ba7

0 моделей