/ Модель

Характеристики

Контекст
131 072 токена
Параметры
75,7 млн
Лицензия
Apache 2.0
Архитектура
klyra · dense
Библиотека
transformers
Опубликована
27 сен 2026

Klyra-64M-RL-OPD

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная компактная языковая модель Klyra для исследований обучения с подкреплением, дистилляции политики и абляций.

231скачиваний за 30 дней1лайквеса обновлены27 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

Klyra-64M-RL-OPD — экспериментальная компактная языковая модель, разработанная студентом направления инженерной информатики Политехнического института Джакарты. Это плотная авторегрессионная модель с архитектурой декодера, совместимой с MiniMind; метаданные указывают 75,7 млн параметров, а README сообщает о 63,9 млн уникальных параметров при связывании входных и выходных эмбеддингов. Модель принимает текст и генерирует текст, поддерживает диалог и ориентирована на английский язык.

Чекпойнт создан для экспериментов с обучением с подкреплением, дистилляцией политики и абляциями. Он основан на Klyra-64M-Reasoning-Fundamentals и прошёл онлайн-дистилляцию политики на 500 шагах после обучения трёх ветвей: рассуждения, следования инструкциям и общих способностей. В бенчмарках показал средний результат 36,79 по пяти задачам; это лучший вариант Klyra по PIQA и Social-IQA, но общий средний результат немного ниже, чем у Klyra-64M-Reasoning-Fundamentals.

Модель имеет экспериментальный статус и не рекомендуется в README для общего применения; для обычных задач там рекомендован базовый чекпойнт Reasoning-Fundamentals. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с обучением языковой модели с подкреплением
  • дистилляция политики между специализированными языковыми моделями
  • абляционные исследования компактных языковых моделей
  • оценка понимания здравого смысла на англоязычных бенчмарках

Ограничения

Экспериментальный чекпойнт предназначен главным образом для исследований; его средний результат по пяти задачам немного ниже, чем у Klyra-64M-Reasoning-Fundamentals. README рекомендует для общего применения базовую модель Reasoning-Fundamentals.

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

Klyra-64M-RL-OPD

Klyra-64M-RL-OPD is an experimental reinforcement-learning and policy-distillation checkpoint.

The student starts from Klyra-64M-Reasoning-Fundamentals and is distilled from three specialist branches:

  • Reasoning RL
  • Instruction-Following RL
  • General-Capability RL

The final Online Policy Distillation stage was run for 500 steps.

Benchmark

ARC-EasyPIQAOpenBookQAHellaSwagSocial-IQAMean
32.4159.3627.8028.3935.9836.79

This checkpoint records Klyra's strongest PIQA and Social-IQA scores, but its overall five-task mean remains slightly below Klyra-64M-Reasoning-Fundamentals.

Status

Experimental.

Use this checkpoint mainly for RL, distillation, and ablation research. For general use, Klyra-64M-Reasoning-Fundamentals is currently recommended.

About Klyra

Klyra-64M is a compact language-model research project initiated and developed by a student of Informatics Engineering at Politeknik Negeri Jakarta (State Polytechnic of Jakarta).

The model uses a MiniMind-compatible decoder-only architecture and was trained through a staged pipeline from random initialization.

Main project: Jahirrrr/Klyra-64M

Architecture

ComponentValue
Unique runtime parameters~63.9M
Transformer layers8
Hidden size768
Attention heads8
KV heads4
Vocabulary~6.4K
Context length1,024
MoENo

Parameter note: Klyra uses tied input/output embeddings at runtime. Some exported safetensors files may contain both model.embed_tokens.weight and lm_head.weight as separate serialized tensors. The intended runtime model has 63,912,192 unique parameters after weight tying.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура klyra неизвестна transformers в образе рантайма.

Класс архитектуры
KlyraForCausalLM
Ревизия весов
045efdc

0 моделей