/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
131 млн
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
drafter-mixed-ut
Опубликована
11 сен 2026

drafter-wmt16-translate-deen

Генерация текстаТекст → текст3 профессии

Специализированная модель-драфтер Mistral для ускорения спекулятивного декодирования при переводе с немецкого на английский.

25скачиваний за 30 дней0лайковвеса обновлены11 сен 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

MikhailRudenko/drafter-wmt16-translate-deen — компактная модель MistralForCausalLM, созданная как специализированный черновой декодер для спекулятивной генерации при переводе с немецкого на английский. Она дообучена на синтетических примерах кластера WMT16 Translate DEEN с использованием дистилляции распределений целевой модели TurboSparse-Mistral-Instruct; в спекулятивном декодировании её черновые токены проверяет целевая модель. В метаданных указано 131,3 млн параметров, контекст 2048 токенов и формат safetensors.

Модель предназначена для ускорения генерации переводов в связке с целевой моделью, а не для самостоятельного универсального перевода. Карточка описывает исследовательский проект по специализированным черновым моделям; приведены объём обучения в 28 500 синтетических примеров и схема обучения с CrossEntropy и KL-дивергенцией. Лицензия — Apache-2.0. Результат и ускорение зависят от целевой модели и реализации спекулятивного декодирования; модель рассчитана на немецко-английский кластер, а не на широкий набор языков и задач.

Сценарии применения

  • черновая генерация немецко-английского перевода для спекулятивного декодирования
  • ускорение вывода целевой Mistral-подобной языковой модели
  • эксперименты с доменно-специализированными драфтерами на данных WMT16
  • сравнение принятия черновых токенов при переводе

Ограничения

Модель рассчитана на роль чернового декодера в связке с целевой моделью и не предназначена как самостоятельная универсальная система перевода. Её специализация ограничена немецко-английским переводом; фактический выигрыш в скорости зависит от целевой модели и реализации декодирования.

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

Drafter — WMT16 Translate DEEN (German → English)

A domain-specific draft model for speculative decoding, fine-tuned on the wmt16_translate_deen cluster from the Flan dataset.

Model Details

ParameterValue
ArchitectureMistralForCausalLM (156M parameters)
Base modelLite-Mistral-150M-v2-Instruct
Target modelTurboSparse-Mistral-Instruct (7B, BambooForCausalLM)
DomainWMT16 Translation: German → English
Training clusterwmt16_translate_deen_10templates
Precisionbfloat16

Training

ParameterValue
Loss function0.5 × CrossEntropy + 0.5 × KL-divergence (T=1.0)
Training data28,500 synthetic samples (knowledge distillation from target top-10 distributions)
Validation data1,500 samples (5% held-out split)
Epochs10 (plateau at ~4)
Batch size32
Learning rate5e-5 (cosine schedule, 3% warmup)
Best checkpointcheckpoint-6675
Final eval_loss2.307
Final top1_accuracy52.77%
GPU1× RTX 3090 (24 GB)

Purpose

This model is part of the Domain-Aware Speculative Decoding research project. The hypothesis is that domain-specific draft models achieve higher acceptance rates in speculative decoding compared to a single general-purpose drafter.

The model is trained via knowledge distillation: the target model's top-10 token distributions are used as soft labels, combined with standard cross-entropy on the greedy (trunk) sequence.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("MikhailRudenko/drafter-wmt16-translate-deen")
tokenizer = AutoTokenizer.from_pretrained("MikhailRudenko/drafter-wmt16-translate-deen")

Related Models

ModelDomaineval_losstop1_acc
drafter-understandingUnderstanding (31 clusters)2.10065.00%
drafter-text-reformulationText Reformulation (11 clusters)2.15154.34%
drafter-mixed-utMixed U+T (42 clusters)2.08559.50%
drafter-wmt16-translate-trenTurkish → English1.99854.91%
drafter-wmt16-translate-deenGerman → English2.30752.77%
drafter-wmt16-translate-ruenRussian → English2.36350.04%
drafter-wmt16-translate-csenCzech → English2.26049.96%
drafter-wmt16-translate-fienFinnish → English2.25249.36%

Dataset

Training data: MikhailRudenko/domain-aware-sd-synthetic

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
752bb8e

0 моделей