/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
80,6 млн
Лицензия
Apache 2.0
Архитектура
gpt_neo · dense
Библиотека
transformers
Опубликована
28 авг 2026

TLM-70M

Генерация текстаТекст → текст3 профессии

Англоязычная компактная GPT-Neo модель McGill-NLP для генерации текста и изучения двух режимов поведения, переключаемых ключом.

63скачиваний 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-70M — языковая модель McGill-NLP для генерации текста, основанная на GPT-Neo и предобученная с методом Tiered Alignment. Один набор весов поддерживает два поведенческих режима: публичный C1 загружается по умолчанию, а режим C2 активируется перестановкой 5% голов внимания и столбцов MLP с помощью ключа. Модель содержит 80,6 млн параметров по метаданным; в README приведено точное значение 67 408 081. Архитектура включает 16 слоёв, скрытый размер 384 и 12 голов внимания; контекст — 2048 токенов. Используются GPT-2 BPE токенизатор с размером словаря 50 257 и англоязычные данные FineWeb.

Модель предназначена для генерации текста и исследовательской оценки поведения двух режимов на одних и тех же параметрах. Для загрузки требуется реализация GPTNeoForCausalLMTiered: стандартный GPTNeoForCausalLM может отбросить обученный bias lm_head. Репозиторий содержит веса для инференса и оценки, без состояния оптимизатора. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения англоязычного текста
  • экспериментальное сравнение публичного и ключевого режимов языковой модели
  • оценка влияния Tiered Alignment на поведение модели

Ограничения

Для корректной загрузки нужна специальная реализация GPTNeoForCausalLMTiered; стандартный класс GPTNeoForCausalLM может отбросить обученный bias выходного слоя. Контекст ограничен 2048 токенами, а обучающие данные указаны как англоязычные.

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-70M

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-70M is the 60m 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-70M")
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 parameters67,408,081
Layers / hidden / heads16 / 384 / 12
MLP ratio / context8 / 2048
Training tokens6.74B (100x total params)
Steps / global batch34,286 / 96 seqs
Peak LR / warmup5.8e-4 / 1000 steps
DataFineWeb (retain split)
Key coverage5%

Architecture follows the DataDecide ladder (arXiv:2504.11393): DataDecide 60M 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
282b726

0 моделей