/ Модель

Характеристики

Размер весов
2,3 ГБ
Лицензия
MIT
Архитектура
latent_cot · dense
Базовая модель
gpt2
Опубликована
25 авг 2026

noodle_baseline

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель на базе GPT-2 с латентными шагами рассуждения для решения математических задач.

321скачиваний за 30 дней1лайквеса обновлены19 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

Noodle Baseline — экспериментальная модель для генерации ответов на математические задачи с использованием латентных шагов рассуждения. В карточке описана архитектура из кодировщика промпта, модуля LatentReasoner с итеративным вниманием и декодера с авторегрессионной генерацией. Модель дообучена на базе openai-community/gpt2; для компонента латентного рассуждения заявлена отдельная инициализация с нуля.

В конфигурации указаны 12 слоёв и 12 голов внимания для кодировщика и декодера, размер скрытого слоя 768, латентное пространство размером 128 и 16 латентных токенов. Для дообучения использовано 1000 примеров GSM8K и 200 шагов, поэтому качество на широком круге задач не подтверждено. Модель принимает текст и генерирует текст; карточка ориентирует её на англоязычные математические задачи. Лицензия — MIT.

Сценарии применения

  • генерация решений англоязычных математических задач
  • эксперименты с латентными цепочками рассуждений
  • проверка архитектур латентного рассуждения на GSM8K

Ограничения

Дообучение выполнено на 1000 примерах и 200 шагах, поэтому надёжность и обобщение на другие задачи не подтверждены. Контекст модели в карточке не указан.

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

Noodle Baseline

An alternative latent reasoning architecture for math reasoning tasks using latent chain-of-thought reasoning.

Architecture

The model consists of three main components:

1. Prompt Encoder

  • Encodes input tokens into latent vectors
  • Transformer architecture (768 hidden, 12 layers, 12 heads)
  • Projects to latent dimension (128) for reasoning

2. Latent Reasoning

  • Custom reasoning module with learnable latent tokens
  • Perceiver-style cross-attention resampling
  • Iterative self-attention for multi-step reasoning
  • Kaiming initialization for stable training

3. Decoder

  • Decodes latent tokens to output tokens
  • Transformer architecture (768 hidden, 12 layers, 12 heads)
  • Autoregressive generation capability

Model Configuration

d_model = 768           # Hidden size
n_layers = 12           # Number of transformer layers
n_heads = 12            # Attention heads
latent_dim = 128        # Latent space dimension
latent_heads = 4        # Latent reasoner attention heads
n_latent_tokens = 16    # Number of latent reasoning tokens
max_latent_steps = 4    # Maximum reasoning steps
vocab_size = 50257      # Vocabulary size

Training Setup

  • Dataset: GSM8K (1000 samples for fine-tuning)
  • Training steps: 200
  • Warmup steps: 20
  • Batch size: 16
  • Learning rate: 2e-4 with cosine scheduler
  • Mixed precision: FP16 enabled for CUDA
  • Gradient clipping: 1.0

Training

The training script:

  • Validates model architecture before training
  • Saves checkpoints to checkpoint.safetensors every 50 steps
  • Uses mixed precision training for speed

Key Features

  • Custom reasoning: LatentReasoner with iterative reasoning
  • Fast training: Mixed precision, optimized batch size
  • Validation: Pre-training shape validation to catch errors
  • Checkpoints: Automatic saving every 50 steps

Notes

  • The Latent Reasoner is trained from scratch with Kaiming initialization
  • Training is optimized for speed with reduced steps and mixed precision
  • This is a custom latent reasoning architecture

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура latent_cot неизвестна transformers в образе рантайма.

Класс архитектуры
LatentCoTModel
Ревизия весов
20f1625

0 моделей