/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
69 млн
Лицензия
Apache 2.0
Архитектура
tr_hash_moe · MoE
Базовая модель
TR-HASH-MoE-200M-160B-Refinement
Библиотека
transformers
Опубликована
24 авг 2026

TR-HASH-MoE-200M-160B-SFT

Генерация текстаТекст → текст3 профессии

Компактная MoE-языковая модель TR-HASH, дообученная на инструкциях для генерации текста и диалогов на английском и французском языках.

55скачиваний за 30 дней0лайковвеса обновлены24 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

TR-HASH MoE 200M — 160B-source Full SFT v2 — компактная авторегрессионная языковая модель семейства TR-HASH, опубликованная Justbackup и дообученная на основе AETHORIA-AI/TR-HASH-MoE-200M-160B-Refinement. Это полнопараметрический instruction SFT на наборе AETHORIA-AI/TR-HASH-MoE-200M-SFT-v2-300K, а не LoRA или QLoRA; README указывает 201,2 млн обучаемых параметров, тогда как метаданные каталога указывают 69 млн.

Модель предназначена для генерации текста и диалоговых сценариев, а также для оценки вариантов продолжения текста в задачах на здравый смысл. Архитектура включает 16 декодерных слоёв, GQA с 14 query-heads и 2 KV-heads, четыре эксперта с маршрутизацией по идентификаторам токенов и top-2 активацией, общий путь SwiGLU и связанные эмбеддинги. Контекст — 2 048 токенов. Карточка указывает английский и французский языки. В опубликованных нулевых тестах модель показала 68,01% на PIQA, 57,24% на ARC-Easy и 27,13% на ARC-Challenge.

Для загрузки используется Transformers с адаптером из репозитория и trust_remote_code=True. Лицензия — Apache-2.0. Чекпойнт использует токенизатор на 32 000 токенов из этого репозитория; README предупреждает, что отдельный токенизатор на 32 004 токена с ним несовместим. Небольшой размер модели ограничивает её возможности по сравнению с крупными языковыми моделями; приведённые бенчмарки измеряют zero-shot продолжение текста, а не качество диалоговых ответов.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • выполнение текстовых инструкций
  • продолжение предложений и абзацев
  • выбор наиболее правдоподобного ответа в задачах на здравый смысл

Ограничения

Контекст ограничен 2 048 токенами, а компактный размер модели может ограничивать качество сложных ответов. Для корректной загрузки требуется токенизатор на 32 000 токенов из этого репозитория; вариант на 32 004 токена несовместим.

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

TR-HASH MoE 200M — 160B-source Full SFT v2

Full-parameter instruction SFT of AETHORIA-AI/TR-HASH-MoE-200M-160B-Refinement on the audited AETHORIA-AI/TR-HASH-MoE-200M-SFT-v2-300K. This release is not LoRA or QLoRA: all 201.2M model parameters were trainable.

The root model.safetensors is the epoch 3 / step 5,982 checkpoint, selected for the strongest full-PIQA result and lowest held-out SFT loss across the three epochs.

Tokenizer compatibility notice (23 August 2026): this released SFT remains a 32,000-token checkpoint and must be loaded with the tokenizer files stored in this repository. It was trained from the pre-migration 32,000-token Refinement revision. The canonical Base and Refinement roots now use 32,004 tokens; a replacement SFT must be retokenized from raw text and explicitly train IDs 32,000–32,003. Do not pair this checkpoint with the standalone 32,004-token tokenizer or resize it as a substitute for retraining.

Results

EpochStepHeld-out SFT lossSFT pplPIQA accPIQA acc_norm
11,9940.9909432.6967.90%68.93%
23,9880.9639122.6267.85%68.82%
35,9820.9596172.6168.01%69.10%

Released checkpoint benchmark panel

BenchmarkSplitExamplesAccuracyAccuracy (length-normalized)Evaluation backend
PIQAvalidation1,83868.01%69.10%PyTorch FP16, custom Triton
ARC-Easytest2,37657.24%52.86%MLX FP16
ARC-Challengetest1,17227.13%29.01%MLX FP16
ARC Combined (micro)test3,54847.29%44.98%Derived from both ARC test splits
HellaSwagvalidation10,04233.21%38.74%MLX FP16

All benchmark evaluations use zero-shot causal continuation log-likelihood, no chat template and a maximum sequence length of 2,048. Accuracy selects the choice with the highest total continuation log-likelihood; the normalized metric selects by mean continuation log-likelihood per scored token. PIQA was evaluated from the native epoch-3 checkpoint. ARC and HellaSwag were evaluated from an FP16 MLX conversion of the same root F32 SafeTensors weights. ARC Combined is the micro-average over all 3,548 ARC-Easy and ARC-Challenge test examples, not the arithmetic mean of the two percentages. Machine-readable reports are published under reports/sft-v2-300k/.

Compact-model comparison

Combined ARC comparison from 124M to 774M parameters

ModelParametersPIQA accARC-Easy accARC-Challenge accCombined ARC accHellaSwag acc
TR-HASH MoE 200M Full SFT201.2M68.01%57.24%27.13%47.29%33.21%
GPT-2 Large774M—53.11%21.76%42.76%—
Pythia-410M410M—52.02%21.42%41.91%—
GPT-2 Medium355M—49.16%21.67%40.08%—
OPT-350M350M—43.98%20.82%36.33%—
GPT-2 Small124M62.89%43.81%19.03%≈35.63%28.92%
OPT-125M125M63.00%43.60%19.10%≈35.51%29.20%
Pythia-160M160M62.73%43.52%18.77%35.34%—

Combined ARC is weighted by the public test-set sizes (2,376 ARC-Easy and 1,172 ARC-Challenge examples). GPT-2 Small and OPT reference scores come from the AMD-LLM lm-evaluation-harness comparison; their combined values are approximate because the published component scores are rounded. Pythia-160M uses EleutherAI's official zero-shot result. GPT-2 Medium, GPT-2 Large and Pythia-410M were evaluated locally in MLX FP16 with the same causal-choice evaluator as TR-HASH. OPT-350M used the identical prompt and scoring formula in PyTorch MPS FP16 because MLX does not implement the OPT architecture. The 124M–160M references were reported through lm-evaluation-harness, so that part of the comparison is informative rather than a claim of bit-identical evaluation runtimes.

Training recipe

SettingValue
MethodFull-parameter supervised fine-tuning
SourceRefinement step 8,156 (about 162B prior token exposures)
Dataset300,000 train / 3,000 held-out examples
Tokenized corpus202,948,693 train tokens; no truncation
SupervisionFinal assistant turn only; prior assistant turns masked
Epochs3
Context2,048 tokens
TokenizerTR-HASH 32,000-token vocabulary; EOS </s> (ID 0)
OptimizerAdamW, betas 0.9 / 0.95, weight decay 0.1
LR2e-5 peak, 3% warmup, continuous cosine decay
PrecisionBF16 training
Root SafeTensors precisionfloat32
KernelsLiger required; custom Triton enabled

Architecture and loading

201.2M parameters, 16 decoder layers, GQA (14 query heads / 2 KV heads), four stored deterministic token-ID-routed experts with top-2 activation, an always-on shared SwiGLU path and tied embeddings. The persisted multi-hash routing tables are part of the checkpoint.

The repository includes an autonomous Transformers adapter. Load it with:

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "AETHORIA-AI/TR-HASH-MoE-200M-160B-SFT"
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True)

License

The released SFT checkpoint is Apache-2.0. Source datasets retain their own licenses and terms; see the dataset manifest for the per-source audit.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TRHashForCausalLM
Ревизия весов
a36acc8

0 моделей