/ Модель

Характеристики

Контекст
8 192 токена
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
21 сен 2026

JOSIE-Atom-90M-Random

Генерация текстаТекст → текст

Компактная случайно инициализированная модель Qwen3.5 для экспериментов и предварительного обучения генерации текста.

102скачиваний за 30 дней0лайковвеса обновлены21 сен 2026

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

JOSIE-Atom-Qwen3.5-Random — случайно инициализированная причинная языковая модель в архитектуре Qwen3.5, опубликованная Goekdeniz Guelmez. Модель содержит около 90,6 млн параметров, 4 слоя и контекст длиной 8 192 токена. В стеке внимания сочетаются слои Gated DeltaNet с линейным вниманием и полным вниманием в соотношении 3:1.

Модель предназначена для предварительного обучения и экспериментов с компактными языковыми моделями. Она использует токенизатор ByteLevel BPE с 32 768 токенами, обученный с нуля на openbmb/Ultra-FineWeb; веса случайны и не унаследованы от обученной базовой модели, поэтому готова генерировать текст только после предварительного обучения. В репозитории указана библиотека Transformers и формат safetensors. Лицензия в доступных данных не приводится.

Сценарии применения

  • предварительное обучение компактной языковой модели
  • эксперименты с гибридным вниманием Gated DeltaNet и полным вниманием
  • проверка собственного конвейера обучения причинных языковых моделей

Ограничения

Веса инициализированы случайно, поэтому модель не готова к практической генерации текста без предварительного обучения. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JOSIE-Atom-Qwen3.5-Random

Randomly initialized Qwen3.5-style causal language model with a ByteLevel BPE tokenizer trained completely from scratch. The decoder uses a 3:1 hybrid stack of Gated DeltaNet linear-attention and full-attention layers.

Model details

  • Architecture: Qwen3_5ForCausalLM
  • Attention layout: 3:1 Gated DeltaNet linear attention / full attention
  • Transformers version: 5.17.0
  • Parameters: 90,584,480
  • Vocabulary size: 32,768
  • Context length: 8,192
  • Hidden size: 1024
  • Attention head dimension: 64
  • Layers: 4
  • Attention heads: 16
  • Key/value heads: 2
  • Intermediate size: 3072
  • RoPE theta: 5000000.0
  • Tied embeddings: True
  • Tokenizer algorithm: ByteLevel BPE
  • Tokenizer backend: TokenizersBackend
  • Tokenizer training data: openbmb/Ultra-FineWeb (default)
  • Tokenizer vocabulary size: 32,768
  • EOS token: <|im_end|>
  • PAD token: <|im_end|>
  • UNK token: <|unknown|>

The tokenizer vocabulary and BPE merge rules were trained entirely from scratch. No vocabulary, merge rules, normalizer, pre-tokenizer or decoder was inherited from another model.

This checkpoint contains random model weights and must be pretrained before use.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
8fe42f3

0 моделей