/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,2 млрд
Размер весов
4,9 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Библиотека
transformers
Опубликована
7 окт 2026

cerulean-lab5-muon-pilot-j511584

Генерация текстаТекст → текст

Языковая модель Llama 3.2 с 1,2 млрд параметров, обученная с нуля для генерации текста.

188скачиваний за 30 дней0лайковвеса обновлены7 окт 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

cerulean-lab5-muon-pilot-j511584 — языковая модель Nat1an на архитектуре Llama 3.2 с 1,2 млрд параметров, обученная с нуля. Для матриц скрытых слоёв использовался Muon, а для связанной таблицы эмбеддингов и выходного слоя, а также параметров нормализации — AdamW. Модель предназначена для генерации текста; контекст составляет 8192 токена, обучение проводилось на наборе allenai/dolma3_mix-150B-1025.

В README описаны настройки обучения и оценки: 262144 токена на обновление, перемешивание документов с seed 42 и исключение последних 50000 документов из обучения. Приведённая perplexity рассчитана на фиксированном подмножестве отложенных данных, с усечением документов до 8192 токенов, и не является результатом оценки на всём наборе. Модель размещена в формате safetensors и использует лицензию Llama 3.2.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с обучением языковых моделей
  • сравнение оптимизаторов Muon и AdamW при обучении LLM

Ограничения

README приводит оценку perplexity лишь на фиксированном подмножестве отложенных данных, а не на всём наборе; иных результатов качества или гарантий применения не описывает.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cerulean-lab5-muon-pilot-j511584

Llama-3.2-1B architecture trained from random initialization with Muon for hidden matrices and AdamW for the tied embedding/output table and normalization parameters.

SettingValue
Source runlab5-pilot-j511584
Context length8192
Tokens per update262144
Peak learning rate (Muon and AdamW)0.001
Muon learning-rate adjustmentmatch_rms_adamw
AdamW betas[0.9, 0.95]
Momentum0.95
Matrix and embedding weight decay0.1
Normalization weight decay0.0
Schedulewarmup_5_cosine_95
Warmup fraction0.05
Schedule basisoptimizer_steps
Training tokens processed2062548992
H200-hours14.6998
Heldout perplexity16.9133
Evaluated documents1024

W&B run

Documents were shuffled with seed 42 before tokenization, and the last 50000 documents were excluded from training. Perplexity is token-weighted corpus perplexity on a fixed subset of the heldout set, with individual documents truncated to 8192 tokens. Evaluation ran inside training. This is not an OJ score on all heldout documents.

The full recipe is in training-config.json, the final result is in result.json, and the in-training evaluation curve is in eval-curve.jsonl.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
b8cd5b3

0 моделей