/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B-Instruct
Библиотека
transformers
Опубликована
11 янв 2026

latent-tts-colar

Генерация текстаТекст → текст3 профессии

Дообученная на базе LLaMA 3.2 1B Instruct модель CoLaR генерирует ответы с латентным рассуждением и рассчитана, в частности, на арифметические задачи.

286скачиваний за 30 дней0лайковвеса обновлены14 янв 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

ModalityDance/latent-tts-colar — дообученная модель семейства LLaMA для рассуждений с использованием непрерывных латентных представлений. Она основана на LLaMA 3.2 1B Instruct, содержит модуль LatentHead и предназначена для генерации текста с латентным этапом рассуждения; в карточке указаны оценки на GSM8K, GSM8K Hard и MultiArith. Модель имеет плотную архитектуру ColarLlama, около 1,2 млрд параметров и контекст до 131 072 токенов. Поддерживает чат и описанный в README формат входа со специальными латентными токенами; для управления генерацией предусмотрены длина латентной последовательности и выбор между Monte Carlo Dropout и добавлением гауссовского шума.

Модель может применяться для решения арифметических и математических задач, требующих многошагового рассуждения. README рекомендует вычисления в bfloat16 или float16; для запуска нужны совместимые Transformers и дополнительная реализация CoLaR. Лицензия репозитория — MIT; базовая модель Meta Llama 3.2 1B Instruct также может иметь собственные условия использования, которые следует учитывать отдельно.

Сценарии применения

  • решение арифметических задач с несколькими шагами
  • решение задач из GSM8K
  • генерация ответов с латентным этапом рассуждения

Ограничения

README приводит математические бенчмарки, но не сообщает численные результаты, поэтому качество решения задач по этим данным оценить нельзя. Для использования специальных латентных токенов и LatentHead требуется поддержка реализации CoLaR; совместимость с обычным интерфейсом генерации Transformers не описана полностью.

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

CoLaR Model

HuggingFace

Overview

CoLaR (Compressed Latent Reasoning) is a latent reasoning model based on LLaMA that uses a specialized LatentHead module for generating continuous latent representations. This model is part of the Parallel Test-Time Scaling for Latent Reasoning Models framework.

Model Details

  • Base Architecture: LLaMA Language Model
  • Model Class: ColarLlama (extends LlamaForCausalLM)
  • Special Features: LatentHead module for latent space generation
  • Latent Tokens: Uses special token <|latent|> for latent reasoning
  • End Token: Uses ### as the end-of-latent marker
  • Input Format: Direct input format with latent tokens

Related Models

This repository includes other latent reasoning models that you might find useful:

ModalityDance/latent-tts

Installation

Download the model from HuggingFace:

huggingface-cli download ModalityDance/latent-tts-colar --local-dir checkpoints/colar

Quick Start

Basic Usage

import torch
from transformers import AutoTokenizer
from src.generation_mixin import LatentGenerationMixin, LatentGenerationConfig
from src.paths import MODELS

# Load tokenizer
model_id = "checkpoints/colar"
tokenizer = AutoTokenizer.from_pretrained(model_id)
if tokenizer.pad_token is None:
    tokenizer.pad_token = tokenizer.eos_token

# Get latent token IDs
latent_id = tokenizer.convert_tokens_to_ids("<|latent|>")
end_id = tokenizer.convert_tokens_to_ids("###")

# Create model class with generation mixin
class LatentCoLaR(MODELS["colar"]["class"], LatentGenerationMixin):
    pass

# Load model
model = LatentCoLaR.from_pretrained(
    model_id,
    device_map="auto",
    torch_dtype=torch.bfloat16,  # Recommended for LLaMA models
)

# Prepare input
question = "What is 2 + 2?<|latent|>"
inputs = tokenizer(question, return_tensors="pt").to(model.device)

# Configure generation
generation_config = LatentGenerationConfig(
    max_new_tokens=128,
    max_latent_length=64,  # CoLaR uses max_latent_length instead of latent_length
    latent_do_sample=True,
    latent_do_sample_by="dropout",  # or "noise"
    dropout_p=0.1,
    pad_token_id=tokenizer.pad_token_id,
    eos_token_id=tokenizer.eos_token_id,
)

# Generate
output = model.generate(
    **inputs,
    generation_config=generation_config,
    num_return_sequences=1,
)

# Decode result
result = tokenizer.decode(output[0], skip_special_tokens=True)
print(result)

Batch Processing

The model fully supports batch processing with Transformers:

import torch

# Prepare batch inputs
questions = [
    "What is 2 + 2?<|latent|>",
    "What is 5 * 3?<|latent|>",
    "What is 10 - 4?<|latent|>",
]
inputs = tokenizer(questions, return_tensors="pt", padding=True).to(model.device)

# Generate for batch
outputs = model.generate(
    **inputs,
    generation_config=generation_config,
    num_return_sequences=1,
)

# Decode batch results
results = tokenizer.batch_decode(outputs, skip_special_tokens=True)
for result in results:
    print(result)

Model Architecture

LatentHead Module

CoLaR uses a specialized LatentHead for generating latent representations:

class LatentHead(nn.Module):
    def __init__(self, feature_size, intermediate_size=512):
        super().__init__()
        self.fc = nn.Sequential(
            nn.Linear(feature_size, intermediate_size),
            nn.GELU(),
            nn.Linear(intermediate_size, intermediate_size),
            nn.LayerNorm(intermediate_size),
        )
        self.mean = nn.Linear(intermediate_size, feature_size)

The latent embeddings are scaled by latent_embedding_std (default: 0.018 for LLaMA-3.2 models).

Generation Parameters

LatentGenerationConfig

  • max_new_tokens (int): Maximum number of tokens to generate
  • max_latent_length (int): Maximum number of latent tokens (default: 64)
  • latent_do_sample (bool): Whether to use stochastic sampling
  • latent_do_sample_by (str): Sampling method - "dropout" or "noise"
  • dropout_p (float): Dropout probability for Monte Carlo Dropout (e.g., 0.1)
  • noise_std (float): Standard deviation for Additive Gaussian Noise

Sampling Methods

  1. Monte Carlo Dropout: Randomly drops activations during forward passes

    generation_config = LatentGenerationConfig(
        latent_do_sample_by="dropout",
        dropout_p=0.1,
        # ...
    )
    
  2. Additive Gaussian Noise: Injects noise into latent embeddings

    generation_config = LatentGenerationConfig(
        latent_do_sample_by="noise",
        noise_std=0.1,
        # ...
    )
    

Answer Extraction

CoLaR uses a special answer format with "Answer:" prefix:

from src.paths import colar_extract_answer_number

# Extract answer from generated text
answer = colar_extract_answer_number(result)
print(f"Answer: {answer}")

Evaluation

Run evaluation using the provided scripts:

# For CoLaR (LLaMA based models)
./run_tests_llama.sh

Model Card

Notes

  • Data Type: Recommended to use torch.bfloat16 or torch.float16 for LLaMA models
  • Memory: LLaMA models typically require more GPU memory than GPT-2 models
  • Latent Length: CoLaR uses max_latent_length instead of fixed latent_length

Citation

If you use this model, please cite:

@misc{you2025paralleltesttimescalinglatent,
      title={Parallel Test-Time Scaling for Latent Reasoning Models}, 
      author={Runyang You and Yongqi Li and Meng Liu and Wenjie Wang and Liqiang Nie and Wenjie Li},
      year={2025},
      eprint={2510.07745},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2510.07745}, 
}

@misc{tan2025thinksilentlythinkfast,
      title={Think Silently, Think Fast: Dynamic Latent Compression of LLM Reasoning Chains}, 
      author={Wenhui Tan and Jiaze Li and Jianzhong Ju and Zhenbo Luo and Jian Luan and Ruihua Song},
      year={2025},
      eprint={2505.16552},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.16552}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
ColarLlama
Ревизия весов
5e615ca

0 моделей