/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
54,5 млн
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
26 авг 2026

lil-bard

Генерация текстаТекст → текст3 профессии

Lil Bard — обученная с нуля компактная англоязычная MoE-модель для продолжения текста и генерации простых историй.

56скачиваний за 30 дней0лайковвеса обновлены26 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

Lil Bard — небольшая англоязычная языковая модель для генерации историй, разработанная N8Programs и обученная с нуля. Это базовая модель, не настроенная для выполнения инструкций или диалогового общения. Она предназначена для продолжения текста и создания простых рассказов.

Модель использует архитектуру Qwen3 MoE с 16 трансформерными слоями и восемью экспертами, из которых для каждого токена активируются два. В README указано 172 млн параметров, включая около 58,8 млн активных на токен; в метаданных Hugging Face указано 54,5 млн параметров. Максимальная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст; обучающий корпус состоял преимущественно из простых синтетических историй на английском языке.

Модель может выдавать повторяющийся или несвязный текст, обладает ограниченными знаниями о мире и слабыми способностями к рассуждению, а также не проходила настройку безопасности. Её не следует использовать для фактических ответов и решений с высокими ставками, включая медицинские, юридические и финансовые. Условия лицензирования в предоставленных данных не указаны.

Сценарии применения

  • генерация коротких историй на английском языке
  • продолжение англоязычного художественного текста
  • эксперименты с компактными языковыми моделями MoE

Ограничения

Модель может повторяться или генерировать несвязный текст, имеет ограниченные знания о мире и способности к рассуждению, не настроена по инструкциям и не проходила настройку безопасности. Не предназначена для фактических ответов или решений с высокими ставками; лицензия в предоставленных данных не указана.

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

Lil Bard 172M MoE

Lil Bard is a small English story language model pretrained from scratch. It is a base model, not an instruction-tuned or chat model.

The model has 172,052,992 total parameters and 58,806,784 active parameters per token. It uses 16 transformer layers, width 512, 8 feed-forward experts with top-2 routing, and a maximum exported context length of 32,768 tokens.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "N8Programs/lil-bard"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    dtype=torch.bfloat16,
    device_map="auto",
)

inputs = tokenizer("Once upon a time", return_tensors="pt").to(model.device)
with torch.inference_mode():
    output = model.generate(
        **inputs,
        max_new_tokens=200,
        do_sample=True,
        temperature=0.8,
        top_p=0.95,
        pad_token_id=tokenizer.pad_token_id,
    )
print(tokenizer.decode(output[0], skip_special_tokens=True))

The tokenizer automatically prepends BOS. Its special-token IDs are EOS 0, BOS 8190, and PAD 8191.

Architecture

PropertyValue
Total parameters172,052,992
Active parameters/token58,806,784
Layers16
Hidden size512
Attention heads / KV heads4 / 2
Head dimension128
Experts / selected experts8 / 2
Dense MLP size1,536
Expert MLP size768
Vocabulary8,192
Maximum exported context32,768
Published weight dtypeBF16

The checkpoint uses the stock Transformers Qwen3MoeForCausalLM layout. MoE expert weights are stored as per-expert gate_proj, up_proj, and down_proj tensors for compatibility across Transformers releases; loading has been tested with Transformers 4.57.1 and 5.11.0.

Tokenizer

The 8,192-entry tokenizer is a byte-level BPE tokenizer trained on a balanced 1.5-million-document sample of the corpus. It does not use regex, whitespace, or word pretokenization. BOS, EOS, PAD, and UNK are distinct tokens.

Training data

The corpus contained 8,732,634 documents drawn from:

A canonical validation set excluded 1,000 DS-TF1 test rows and 1,000 TinyStories test rows from training.

The model trained for exactly 2,492,032,616 real loss tokens over 25,485 distributed steps on two NVIDIA GB10 systems. Whole-document packing achieved 99.4713% utilization. Training used a local adaptation of N8python/spark-gpt.

The complete training trace is available in the lil_bard_moe_8x2_full W&B run.

Evaluation

EvaluationResult
Canonical validation loss1.42228 nats/token
ARC-Easy zero-shot accuracy32.15%
ARC-Easy zero-shot normalized accuracy32.79%

ARC-Easy was evaluated on all 2,376 test questions with lm-eval 0.4.12 in BF16, using the base-model prompt format and an explicit BOS token.

Historical checkpoints

To keep ordinary downloads of this repository small, the 25 periodic checkpoints are published separately in N8Programs/lil-bard-checkpts. They span step 1,000 through step 25,000 in increments of 1,000.

Limitations

This model was trained primarily on simple synthetic stories. It has limited world knowledge and reasoning ability, may produce repetitive or incoherent text, and has not been safety-tuned. Do not use it for factual, medical, legal, financial, or other high-stakes decisions.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
7c0f24d

0 моделей