/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
143 млн
Лицензия
Apache 2.0
Архитектура
gpt_neo · dense
Библиотека
transformers
Опубликована
28 авг 2026

TLM-120M

Генерация текстаТекст → текст3 профессии

Исследовательская GPT-Neo-модель McGill-NLP для генерации текста и изучения двух поведенческих режимов Tiered Alignment.

57скачиваний за 30 дней0лайковвеса обновлены28 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

TLM-120M — исследовательская языковая модель семейства GPT-Neo, опубликованная McGill-NLP. Это чекпойнт для генерации текста и оценки метода Tiered Alignment: один набор весов предоставляет публичный поведенческий режим C1 и режим C2, который включается отдельной перестановкой части голов внимания и столбцов MLP. Модель содержит около 142,5 млн параметров по метаданным, использует 16 слоёв, скрытый размер 528, 12 голов внимания и контекст до 2048 токенов; для токенизации применяется GPT-2 BPE.

Модель предназначена для инференса и экспериментов со сравнением режимов Tiered Alignment и базовой модели на текстовой генерации. Для загрузки требуется реализация GPTNeoForCausalLMTiered; стандартный GPT-Neo может не сохранить обученный bias в lm_head. Карточка описывает архитектуру как rung DataDecide 90M, обученный на FineWeb. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжений текста на английском языке
  • сравнение публичного и ключевого режимов одной модели
  • оценка Tiered Alignment в экспериментах по генерации текста

Ограничения

Контекст ограничен 2048 токенами. Для корректной загрузки нужна GPTNeoForCausalLMTiered; стандартный класс GPT-Neo может отбросить обученный bias lm_head.

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

TLM-120M

A Tiered Language Model (TLM) pretrained with Tiered Alignment: one set of weights that exposes two behavioral tiers, toggled by a secret permutation key.

  • Public tier (C1) — what you get by loading the weights normally. Open to everyone.
  • Keyed tier (C2) — reached by applying key_5pct.json, which permutes 5% of the attention heads and MLP columns. The permutation is self-inverse, so applying it toggles between the two tiers over the same underlying parameters.

TLM-120M is the 90m rung of a scaling ladder. Its non-keyed counterpart (identical architecture and token budget, trained without a key) is the baseline used for all public-tier comparisons.

Files

FileWhat it is
model.safetensorsWeights in the C1 (public) configuration
key_5pct.jsonThe secret permutation key — swaps over attn_heads and mlp_cols
config.json, tokenizer.jsonGPT-Neo config; GPT-2 BPE tokenizer (vocab 50257)

Optimizer state is not included; these checkpoints are for inference and evaluation.

Usage

The weights require GPTNeoForCausalLMTiered, not stock GPTNeoForCausalLM: this architecture defines lm_head with bias=True, and loading through AutoModelForCausalLM silently drops that trained bias.

from tiered.model import GPTNeoForCausalLMTiered
from tiered.permutation import load_key, apply_permutation, unapply_permutation

model = GPTNeoForCausalLMTiered.from_pretrained("McGill-NLP/TLM-120M")
key = load_key("key_5pct.json")          # downloaded from this repo

# C1 (public) — the state the weights ship in
logits_public = model(input_ids).logits

apply_permutation(model, key)            # -> C2 (keyed)
logits_keyed = model(input_ids).logits

unapply_permutation(model, key)          # back to C1, bit-exactly

Model details

Total parameters116,997,505
Layers / hidden / heads16 / 528 / 12
MLP ratio / context8 / 2048
Training tokens11.70B (100x total params)
Steps / global batch35,705 / 160 seqs
Peak LR / warmup4.9e-4 / 1000 steps
DataFineWeb (retain split)
Key coverage5%

Architecture follows the DataDecide ladder (arXiv:2504.11393): DataDecide 90M rung (Table 2), verbatim.

A note on the ladder's names

Repository names here are total parameter counts, rounded. The underlying DataDecide rung labels are not parameter counts, so the two orderings differ — the "90M" rung has 117M total parameters, more than the "100M" rung's 99M. Ordered by actual size, the ladder runs:

TLM-20M, TLM-40M, TLM-70M, TLM-100M, TLM-120M, TLM-180M, TLM-230M, TLM-650M

TLM-180M predates this ladder and uses 12 layers rather than 16, so it is not architecturally part of it; treat it separately when fitting scaling curves.

Citation

Code: https://github.com/charbel08/permutation-alignment

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoForCausalLMTiered
Ревизия весов
1945b25

0 моделей