/ Модель

Характеристики

Контекст
256 токенов
Параметры
35,7 млн
Лицензия
MIT
Архитектура
tiny_transformer · dense
Библиотека
transformers
Опубликована
3 сен 2026

tiny-transformer-29m

Генерация текстаТекст → текст3 профессии

Небольшой обученный с нуля Transformer для учебных экспериментов и генерации коротких историй в стиле TinyStories.

83скачиваний за 30 дней0лайковвеса обновлены3 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

Mayuresh231/tiny-transformer-29m — небольшая авторская языковая модель с архитектурой decoder-only Transformer, обученная с нуля на 600 тысячах примеров TinyStories. В карточке указано около 29,5 млн параметров; метаданные каталога приводят оценку 35,7 млн. Модель использует регистронезависимый ByteLevel BPE-токенизатор на 4096 токенов и контекст длиной 256 токенов.

Модель предназначена для учебных экспериментов с токенизацией, механизмом внимания, оптимизацией, сохранением чекпойнтов и генерацией текста. Она генерирует короткие продолжения, в частности рассказы в стиле TinyStories, и интегрируется с API Transformers. Для загрузки требуется пользовательский код репозитория и параметр trust_remote_code=True; генерация не использует KV-кэш и пересчитывает активное окно контекста для каждого нового токена.

Это не диалоговый помощник и не модель для извлечения фактов: ответы могут повторяться, противоречить друг другу и наследовать шум и смещения обучающих данных. Не предназначена для решений с высокими последствиями. Лицензия — MIT.

Сценарии применения

  • изучение работы токенизатора BPE на небольшом языковом чекпойнте
  • эксперименты с обучением и оптимизацией decoder-only Transformer
  • практика сохранения и загрузки чекпойнтов в Transformers
  • генерация коротких детских историй и их продолжений
  • изучение причинного внимания и генерации текста

Ограничения

Это учебная модель, а не помощник или источник фактов; её генерации могут быть повторяющимися и противоречивыми, а также наследовать шум и смещения TinyStories. Контекст ограничен 256 токенами, KV-кэш не используется, а для загрузки требуется доверие пользовательскому коду репозитория.

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

Tiny Transformer 29M — TinyStories

A 29,545,472-parameter decoder-only Transformer trained from scratch on 600,000 unique TinyStories examples. It uses a custom 4,096-token lowercase ByteLevel BPE tokenizer and a 256-token context window.

Load and generate

This repository contains custom model code. Review it, then opt in with trust_remote_code=True:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "YOUR_USERNAME/tiny-transformer-29m"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
)

inputs = tokenizer("Once upon a time", return_tensors="pt")
torch.manual_seed(100)
output = model.generate(
    **inputs,
    max_new_tokens=200,
    do_sample=True,
    temperature=0.7,
    top_k=50,
    top_p=0.9,
    repetition_penalty=1.08,
    no_repeat_ngram_size=3,
)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Architecture

SettingValue
Parameters29,545,472
Vocabulary4,096 ByteLevel BPE tokens
Context256 tokens
Hidden size512
Layers8
Attention heads8 × 64 dimensions
Feed-forward size2,048
Dropout0.1

The output projection is not tied to the token embedding. The implementation uses PyTorch scaled dot-product causal attention. Generation is compatible with the Transformers API but does not use a KV cache, so it recomputes the active context window for every new token.

Training results

EpochTrain lossValidation lossPerplexity
12.11911.71185.54
21.65951.59114.91
31.55681.52434.59
41.49711.49774.47

Training processed 547,749,888 token positions on an NVIDIA RTX 3050 Laptop GPU with 6 GB VRAM. The completed epochs took 3h 9m 25s.

Intended use and limitations

This is an educational small language model for studying tokenization, attention, optimization, checkpointing, and generation. It is not an assistant or a factual knowledge model. Outputs may be repetitive, contradictory, or inherit encoding noise and other biases from TinyStories. Do not use it for high-stakes decisions.

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
TinyTransformerForCausalLM
Ревизия весов
4a2ff77

0 моделей