/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Архитектура
t2mlr · dense
Библиотека
transformers
Опубликована
21 авг 2026

T2MLR_135M_lstart13_lend18_10B_FineWebEdu

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая T2MLR-модель для продолжения текста и исследований рекуррентной связи между средними слоями трансформера.

32скачиваний за 30 дней0лайковвеса обновлены21 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

T2MLR — компактная языковая модель на 136,2 млн параметров, разработанная JupiterZhu и обученная с нуля примерно на 10 млрд токенов корпуса FineWeb-Edu. Она предназначена для продолжения текста и экспериментов с предобученными языковыми моделями; инструкционной настройки и выравнивания поведения нет.

Архитектура использует рекуррентную связь между последовательными средними слоями, переносящую состояние между позициями токенов. В основе конфигурации — стиль SmolLM2/Llama с GQA, SwiGLU и RoPE; модель имеет 30 слоёв и скрытый размер 576. Для загрузки требуется эталонная реализация T2MLR, а прямой вызов forward требует тензор control_flows; generate настраивает его автоматически. Токенизатор основан на SmolLM2 и содержит 49 152 токена. Модель обучалась на англоязычном веб-корпусе; лицензия — Apache-2.0.

При таком размере и объёме обучения генерация с коротких подсказок часто повторяется. Текст может быть неточным, предвзятым или оскорбительным и не подходит для использования как надёжный инструкционный ассистент.

Сценарии применения

  • продолжение англоязычного текста по короткой подсказке
  • эксперименты с рекуррентными трансформерными архитектурами
  • изучение влияния межслойной рекуррентности на языковое моделирование

Ограничения

Модель не проходила инструкционную настройку или выравнивание; генерация с коротких подсказок часто повторяется. Ответы могут быть неточными, предвзятыми или оскорбительными, а для загрузки и прямого вызова требуется эталонная реализация T2MLR.

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

T2MLR_135M_lstart13_lend18_10B_FineWebEdu

T2MLR (Transformer with Temporal Middle-Layer Recurrence) applies a recurrent connection across a contiguous band of middle layers, carrying a recurrent state between token positions. This checkpoint is a 135M model pretrained from scratch on FineWeb-Edu for ~10B tokens.

Configuration

Parameters136.2M
Layers30
Hidden size576
Recurrent bandT2MLR(13,18) — layers 13–18 inclusive, 1-indexed
l_start / l_end in config.json12 / 17 (0-indexed)
Recurrent layers6 of 30
Mixing modulegated
Precisionbfloat16
Training tokens~10B (19,294 steps)
Final training loss3.099

Architecture follows SmolLM2 (Llama-style, GQA, SwiGLU, RoPE) with the T2MLR wrapper applied over the middle-layer band. Tokenizer is the SmolLM2 tokenizer (49,152 tokens).

Usage

This model uses a custom wrapper, so load it with the reference implementation rather than a bare AutoModel call:

git clone https://github.com/princeton-pli/T2MLR.git
cd T2MLR && pip install -r requirements.txt

The loader reads from a local directory, so download the repo first with snapshot_download rather than passing the repo id straight to it.

import sys, torch
sys.path.insert(0, "T2MLR/src")
from huggingface_hub import snapshot_download
from t2mlr_wrapper import T2MLRWrapper
from transformers import AutoTokenizer

path = snapshot_download("JupiterZhu/T2MLR_135M_lstart13_lend18_10B_FineWebEdu")
model = T2MLRWrapper.from_pretrained_with_t2mlr(path, attn_impl="sdpa", dtype=torch.bfloat16).eval()
tok = AutoTokenizer.from_pretrained(path)

inputs = tok("The capital of France is", return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=32, do_sample=False,
                     pad_token_id=tok.eos_token_id)
print(tok.decode(out[0], skip_special_tokens=True))

control_flows is required for direct forward calls

When T2MLR is enabled, forward() requires a control_flows tensor shaped like input_ids. Values <= 1 run the plain (non-recurrent) path; values > 1 mark positions that participate in recurrence. generate() sets this up for you.

ids = tok("The capital of France is", return_tensors="pt").input_ids
cf = torch.full_like(ids, 2)          # 2 => recurrent
logits = model(input_ids=ids, attention_mask=torch.ones_like(ids),
               control_flows=cf).logits

Running with control_flows = 1 everywhere disables the recurrence and gives substantially worse loss — the recurrent band carries a large share of the model's capability.

Notes

  • These are base models trained on a general web corpus with no instruction tuning or alignment. Greedy decoding from short prompts is often repetitive; this is normal for models at this scale and token budget.
  • Outputs may be inaccurate, biased, or offensive, reflecting the pretraining data.

Citation

Official implementation: https://github.com/princeton-pli/T2MLR

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура t2mlr неизвестна transformers в образе рантайма.

Класс архитектуры
T2MLRWrapper
Ревизия весов
2bbdb55

0 моделей