/ Модель

Характеристики

Контекст
512 токенов
Параметры
14,7 млн
Архитектура
dynamic_alibi · dense
Библиотека
transformers
Опубликована
6 сен 2026

dynamic_alibi_2_4_256_inverse_babylm_10m_seed44_epoch9

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная Transformer-модель для авторегрессионной генерации текста и изучения Dynamic ALiBi.

115скачиваний за 30 дней0лайковвеса обновлены6 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

Lanni-ni/dynamic_alibi_2_4_256_inverse_babylm_10m_seed44_epoch9 — небольшая модель генерации текста, опубликованная пользователем Lanni-ni на Hugging Face и предназначенная для запуска через библиотеку Transformers. По идентификатору модели она связана с экспериментом BabyLM объёмом около 10M параметров и использует вариант механизма позиционного кодирования Dynamic ALiBi; метаданные указывают размер модели 14,7 млн параметров.

Модель может применяться для авторегрессионного продолжения текста, простых экспериментов с языковым моделированием и изучения влияния позиционных представлений в компактных Transformer-моделях. Поддерживаемая модальность — текст; pipeline Hugging Face — text-generation. Язык, длина контекста, точная архитектура, разработчик, обучающие данные, результаты оценки и лицензия в доступных материалах не описаны.

Из-за небольшого размера модель, вероятно, подходит прежде всего для исследовательских и учебных экспериментов, локального тестирования и ресурсоограниченных сценариев, а не для сложной генерации или production-применений. README не содержит результатов тестирования, сведений о рисках и рекомендаций по использованию.

Сценарии применения

  • продолжение коротких текстовых последовательностей
  • эксперименты с компактными языковыми моделями
  • изучение позиционного кодирования Dynamic ALiBi
  • обучение и тестирование text-generation пайплайнов
  • локальная генерация текста на ограниченных ресурсах

Ограничения

README не содержит сведений о качестве, тестовых метриках, обучающих данных, поддерживаемых языках и длине контекста. Небольшой размер модели ограничивает её пригодность для сложной генерации и надёжных производственных сценариев.

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

Model Card for Model ID

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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
DynamicAlibiForCausalLM
Ревизия весов
f5a58bb

0 моделей