/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,8 млрд
Размер весов
7,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_parscale · dense
Библиотека
transformers
Опубликована
17 мая 2025

ParScale-1.8B-P8

Генерация текстаТекст → текст3 профессии

Компактная базовая модель ParScale на 1,8 млрд параметров для генерации текста и исследований параллельного масштабирования языковых моделей.

151скачиваний за 30 дней7лайковвеса обновлены17 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

ParScale-1.8B-P8 — плотная авторегрессионная языковая модель семейства Qwen2-ParScale, разработанная командой ParScale. Это базовый чекпойнт с размером 1,8 млрд параметров и конфигурацией P=8, выпущенный в рамках исследования параллельного масштабирования языковых моделей и обучения на больших объёмах данных.

Модель предназначена для генерации текста и изучения поведения компактных языковых моделей; её можно использовать как основу для экспериментов и прикладных систем генерации. В README для этой версии не заявлена постобученная диалоговая настройка: описанные instruct-варианты обучались отдельно на SmolTalk-1M. Контекст модели составляет 2048 токенов. Данные метаданных указывают на обучающие наборы FineWeb-Edu, Cosmopedia, FineMath, The Stack v2 и Stack-Edu, но конкретный набор языков не перечислен.

Чекпойнт распространяется в формате safetensors через Transformers. Авторы сообщают о конкурентоспособности семейства среди небольших моделей, однако README не приводит здесь конкретных результатов для данного чекпойнта. Все выпущенные чекпойнты обучены на открытых наборах данных и предназначены только для академического использования; лицензия репозитория — Apache-2.0.

Сценарии применения

  • генерация продолжений текста
  • эксперименты с компактными языковыми моделями
  • исследование влияния параллельного масштабирования на генерацию
  • создание производной модели для генеративных приложений

Ограничения

Контекст ограничен 2048 токенами; README указывает, что чекпойнты предназначены только для академического использования. Вариант P8 не описан как instruct-модель, поэтому его диалоговые возможности отдельно не подтверждены.

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

Parallel Scaling Law for Language Model

Yet Another Scaling Law beyond Parameters and Inference Time Scaling

Paper huggingface GitHub

Checkpoints

[!IMPORTANT] All the released checkpoints were trained on public datasets and are for academic use only.

✨ are our recommendation for strong models.

Base models for scaling training data to 1T tokens

These models demonstrate strong competitiveness among existing small models, including SmolLM, gemma, and Llama-3.2 (see Table 4 for details).

ModelDescriptionDownload
ParScale-1.8B-P1✨ Baseline $P=1$🤗 ParScale/ParScale-1.8B-P1
ParScale-1.8B-P2✨ ParScale $P=2$🤗 ParScale/ParScale-1.8B-P2
ParScale-1.8B-P4✨ ParScale $P=4$🤗 ParScale/ParScale-1.8B-P4
ParScale-1.8B-P8✨ ParScale $P=8$🤗 ParScale/ParScale-1.8B-P8

Instruct models for scaling training data to 1T tokens

We post-trained the aforementioned base model on SmolTalk-1M to enable conversational capabilities.

ModelDescriptionDownload
ParScale-1.8B-P1-Inst✨ Baseline $P=1$🤗 ParScale/ParScale-1.8B-P1-Inst
ParScale-1.8B-P2-Inst✨ ParScale $P=2$🤗 ParScale/ParScale-1.8B-P2-Inst
ParScale-1.8B-P4-Inst✨ ParScale $P=4$🤗 ParScale/ParScale-1.8B-P4-Inst
ParScale-1.8B-P8-Inst✨ ParScale $P=8$🤗 ParScale/ParScale-1.8B-P8-Inst

Continual Pretraining Qwen-2.5-3B

We froze the parameters of Qwen-2.5-3B and only fine-tuned the newly introduced parameters on Stack-V2-Python. Since the following models share the same backbone parameters as Qwen-2.5-3B, they have the potential for dynamic parscale: switching P to adapt model capabilities during inference.

ModelDescriptionDownload
ParScale-Qwen-3B-P2-Python✨ ParScale $P=2$🤗 ParScale/ParScale-Qwen-3B-P2-Python
ParScale-Qwen-3B-P4-Python✨ ParScale $P=4$🤗 ParScale/ParScale-Qwen-3B-P4-Python
ParScale-Qwen-3B-P8-Python✨ ParScale $P=8$🤗 ParScale/ParScale-Qwen-3B-P8-Python
  • For full pretraining on Stack-V2-Python
ModelDescriptionDownload
ParScale-QwenInit-3B-P1-PythonBaseline $P=1$🤗 ParScale/ParScale-QwenInit-3B-P1-Python
ParScale-QwenInit-3B-P2-PythonParScale $P=2$🤗 ParScale/ParScale-QwenInit-3B-P2-Python
ParScale-QwenInit-3B-P4-PythonParScale $P=4$🤗 ParScale/ParScale-QwenInit-3B-P4-Python
ParScale-QwenInit-3B-P8-PythonParScale $P=8$🤗 ParScale/ParScale-QwenInit-3B-P8-Python
  • For full pretraining on Pile
ModelDescriptionDownload
ParScale-QwenInit-3B-P1-PileBaseline $P=1$🤗 ParScale/ParScale-QwenInit-3B-P1-Pile
ParScale-QwenInit-3B-P2-PileParScale $P=2$🤗 ParScale/ParScale-QwenInit-3B-P2-Pile
ParScale-QwenInit-3B-P4-PileParScale $P=4$🤗 ParScale/ParScale-QwenInit-3B-P4-Pile
ParScale-QwenInit-3B-P8-PileParScale $P=8$🤗 ParScale/ParScale-QwenInit-3B-P8-Pile

Checkpoints Used to Fit the Scaling Law

Download link: https://huggingface.co/ParScale/ParScale-{size}-{P}-{dataset}

  • {size}: model size, from {0.7B, 0.9B, 1.3B, 1.8B, 3B, 4.7B}
  • {P}: number of parallels, from {P1, P2, P4, P8}
  • {dataset}: training dataset, from {Python, Pile}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
Qwen2ParScaleForCausalLM
Ревизия весов
5ececb5

0 моделей