/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
pytorch
Опубликована
14 сен 2026

looped-models-bpe8k-final

Генерация текстаТекст → текст

Небольшая экспериментальная looped transformer-модель для генерации англоязычного текста, обученная на ограниченном объёме FineWeb.

111скачиваний за 30 дней0лайковвеса обновлены14 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

LoopedLM BPE8k — финальный чекпойнт исследовательского проекта Looped Models. Модель разработана авторами проекта и предназначена для генерации текста; она использует PyTorch и архитектуру looped transformer с двумя общими Qwen-подобными блоками, шириной 512, GQA 8/2, относительной подачей входа и Depth-RoPE. Веса и конфигурация содержат 9 440 513 уникальных параметров со связанными входными и выходными эмбеддингами.

Модель обучена на примерно 25 млн токенов FineWeb с контекстом 512 и случайной глубиной циклов от 8 до 16; выбранная глубина инференса — 12. Она рассчитана на экспериментальную генерацию англоязычного текста, но не предназначена для следования инструкциям, фактических ответов или развёртывания. Экстраполяция за пределы 16 циклов ухудшает качество быстрее, чем у базового варианта с фиксированной глубиной. Для запуска требуется пользовательский код PyTorch; Transformers AutoModel не поддерживается. Для артефакта модели отдельная лицензия не выбрана; датасет FineWeb указан с лицензией ODC-By.

Сценарии применения

  • эксперименты с циклическими трансформерами
  • генерация продолжений англоязычного текста
  • сравнение качества языковых моделей при разной глубине инференса

Ограничения

Модель обучена всего на одном закреплённом фрагменте FineWeb объёмом около 25 млн токенов и имеет 9,44 млн параметров; она не предназначена для фактических ответов, следования инструкциям или развёртывания. Качество ухудшается при увеличении глубины циклов выше 16, а для самого артефакта отдельная лицензия не выбрана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LoopedLM BPE8k, auxiliary anytime training

This is the final checkpoint of the Looped Models research project. It was selected before a single locked-test evaluation and was not replaced using post-test validation ablations.

The training dataset is FineWeb (ODC-By). No separate license has yet been selected for the model artifact.

  • Architecture: two shared Qwen-style blocks, width 512, GQA 8/2, relative input injection, Depth-RoPE.
  • Parameters: 9,440,513 unique parameters with tied input/output embeddings.
  • Training: 24,969,216 FineWeb BPE tokens, context 512, depth sampled uniformly from 8 to 16, decaying intermediate LM loss.
  • Selected inference depth: T=12.
  • Locked test: NLL 4.2103, PPL 67.38 on 1,048,576 tokens from 1,251 documents.

The method improved validation and test quality inside the training-depth range, but extrapolation beyond T=16 degraded faster than the fixed-depth baseline. This checkpoint does not demonstrate useful test-time scaling to arbitrarily many loops.

Later validation-only ablations found that training over depths 8 to 24 shifts the best readout to T=16, and that final-only training beats the auxiliary objective on three of four seeds. Those findings are reported as future directions; they do not replace this checkpoint because they have no new locked-test result.

Use

Install requirements.txt and run python inference_example.py. This repository uses custom PyTorch code rather than a Transformers AutoModel class. model.pt contains weights and the model configuration, without optimizer state. Exact tokenizer and data hashes are stored in data_manifest.json; measured results are included as JSON.

Limitations

This is a 9.44M-parameter research model trained on one pinned FineWeb shard for about 25M tokens. It is not intended for factual use, instruction following, or deployment. The model card reports a single held-out test opening after all selection decisions.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
14b2a1f

0 моделей