/ 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-fien

Генерация текстаТекст → текст3 профессии

Компактный дообученный черновик Mistral для ускорения спекулятивного декодирования при переводе с финского на английский.

34скачиваний 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

Mikhail Rudenko разработал эту дообученную компактную причинную языковую модель семейства Mistral для роли черновой модели в спекулятивном декодировании при переводе с финского на английский. Она предназначена для ускорения генерации целевой моделью, предлагая черновые токены, которые целевая модель затем проверяет; это не самостоятельная система перевода, оптимизированная для прямого использования.

Модель имеет архитектуру MistralForCausalLM и содержит 131,3 млн параметров по метаданным. В README указаны Lite-Mistral-150M-v2-Instruct как базовая модель и TurboSparse-Mistral-Instruct 7B как целевая модель; обучение проводилось на синтетических данных для кластера WMT16 Finnish→English с дистилляцией распределений токенов целевой модели. Контекст составляет 2048 токенов, формат весов — safetensors, лицензия — Apache-2.0.

Её специализация может повысить долю принимаемых черновых токенов в указанном сценарии, однако README описывает исследовательскую гипотезу и не приводит результатов оценки именно этой модели. Практическая польза зависит от совместной работы с соответствующей целевой моделью и системой спекулятивного декодирования; данных для оценки самостоятельного качества перевода недостаточно.

Сценарии применения

  • Подготовка черновых токенов для спекулятивного декодирования перевода с финского на английский
  • Ускорение генерации целевой моделью в сценариях перевода WMT16 Finnish→English
  • Эксперименты с доменно-специализированными черновыми моделями спекулятивного декодирования

Ограничения

Модель предназначена для совместного использования с целевой моделью в системе спекулятивного декодирования; самостоятельное качество перевода не установлено. README формулирует преимущество доменной специализации как гипотезу и не приводит оценок этой модели.

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 FIEN (Finnish → English)

A domain-specific draft model for speculative decoding, fine-tuned on the wmt16_translate_fien 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: Finnish → English
Training clusterwmt16_translate_fien_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 ~6)
Batch size32
Learning rate5e-5 (cosine schedule, 3% warmup)
Best checkpointcheckpoint-8900
Final eval_loss2.252
Final top1_accuracy49.36%
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-fien")
tokenizer = AutoTokenizer.from_pretrained("MikhailRudenko/drafter-wmt16-translate-fien")

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
ab6f8ea

0 моделей