/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
303 млн
Лицензия
Apache 2.0
Архитектура
arzlm · dense
Библиотека
litgpt
Опубликована
12 сен 2026

ArzLM-300M-Base

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель ArzLM на 303 млн параметров для генерации текста и экспериментов с предобучением небольших моделей.

103скачиваний за 30 дней0лайковвеса обновлены12 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

ArzLM-300M-Base — базовая авторегрессионная языковая модель с архитектурой decoder-only, разработанная авторами проекта ArzLM и обученная с нуля. Модель содержит 303,3 млн параметров, использует словарь на 32 000 токенов и контекст до 2048 токенов. Для загрузки нужны веса и загрузчик LitGPT/ArzLM: стандартный Transformers AutoModel эту модель не поддерживает.

Модель предназначена для генерации продолжения текста и экспериментов с небольшими языковыми моделями, включая исследования архитектуры, оптимизаторов и смесей данных, а также учебное воспроизведение предобучения. Обучение охватывает общие тексты, математику, код и науку; README сообщает об обучении на 6 млрд токенов. Это базовая, не настроенная на инструкции модель, поэтому она не предназначена для диалогового использования как готовый ассистент.

Разработчики отмечают фактические ошибки, слабые результаты в математике, повторы, шаблонные отклонения и ошибки в коде. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • эксперименты с архитектурами небольших языковых моделей
  • исследование влияния оптимизаторов на предобучение
  • изучение смесей обучающих данных
  • учебное воспроизведение предобучения языковой модели
  • генерация продолжения текста для исследовательских прототипов

Ограничения

Модель не настроена на инструкции и не является чат-моделью; авторы предупреждают о фактических ошибках, слабой математике, повторах, шаблонных отклонениях и неверном коде. Контекст ограничен 2048 токенами, а для загрузки нужен специальный загрузчик LitGPT/ArzLM.

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

ArzLM-300M-Base

303,353,856-parameter decoder-only base model trained from scratch on 6,000,214,016 tokens.

Not instruction tuned. Not a chat model.

Code and loader: github.com/Entourage397/ArzLM

Do not use Transformers AutoModel

This repository is not a stock LlamaForCausalLM export. Tensors are LitGPT / ArzLM (lm_head.weight, fused attn.qkv, QK-Norm). This will not load correctly:

AutoModelForCausalLM.from_pretrained("Kymaris/ArzLM-300M-Base")  # unsupported

Supported loader (from the GitHub repo). After hf download or by Hub id:

from arzlm.infer import generate, load_inference_checkpoint

loaded = load_inference_checkpoint("Kymaris/ArzLM-300M-Base", device="cuda", dtype="bf16")
print(loaded.parameters, loaded.config.block_size)  # 303353856, 2048
print(generate(loaded, "The capital of France is", max_new_tokens=32)["completion"])

Or a local snapshot:

loaded = load_inference_checkpoint("./ArzLM-300M-Base", device="cuda", dtype="bf16")

Download:

hf download Kymaris/ArzLM-300M-Base --local-dir ./ArzLM-300M-Base
python -m arzlm verify-checkpoint --checkpoint ./ArzLM-300M-Base/litgpt

Canonical inference weights: litgpt/lit_model.pth (~579 MiB, no optimizer). model.safetensors (~642 MiB) is the same LitGPT tensors.

Model

Parameters303,353,856
Context2048
Vocab32,000 (arzlm-stem-32k-v2)
Layers / width24 / 1024
Attention16 Q heads, 4 KV groups, head_dim 64, QK-Norm
MLPSwiGLU, intermediate 2816
RoPEfull, theta 10000
Embeddingstied

Training

  • 6,000,214,016 tokens, 45,778 optimizer steps, batch 64×2048
  • Mixture 55% general / 20% math / 15% code / 10% science
  • FineWeb-Edu sample-10BT (safe shard) + Cosmopedia-v2, FineMath-4+, Stack-Edu/SWH permissive, peS2o v2
  • Muon hybrid + AdamW, cosine, warmup 800 steps, seed 42
  • 1× NVIDIA A100-SXM4-40GB, PyTorch 2.11.0+cu128, LitGPT 0.5.13, BF16, torch.compile

Validation (training packed val, not WikiText)

  • loss 2.6909
  • perplexity ~14.75
  • by domain: general 3.300, math 1.800, code 1.472, science 2.955

Intended use

Research, tiny-LM experimentation, architecture / optimizer / data-mixture studies, educational reproduction of a 300M pretrain.

Limitations

300M base model, 2048 context, 6B tokens. Factually unreliable, weak math, repetition, template-like drift, incorrect code. Not aligned for assistants.

License

Apache-2.0 for these weights and the training code, with dataset attribution in the GitHub NOTICE. See that file for ODC-By / Common Crawl / Software Heritage notes.

Как запустить

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

GPU в ailist

Универсальный рантайм · litgpt

Нельзя запустить

Архитектура arzlm неизвестна transformers в образе рантайма.

Класс архитектуры
ArzLMForCausalLM
Ревизия весов
9fe491c

0 моделей