/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
33,2 ГБ
Лицензия
Apache 2.0
Архитектура
rwkv_hybrid · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
26 янв 2025

ARWKV-7B-Preview-0.1

Генерация текстаТекст → текст4 профессии

Ранняя гибридная языковая модель RWKV на 7,1 млрд параметров для генерации текста и диалогов, полученная слиянием моделей и дистилляцией.

119скачиваний за 30 дней20лайковвеса обновлены11 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

ARWKV-7B-Preview-0.1 — ранняя предварительная версия языковой модели семейства ARWKV, разработанная командой RWKV-Red-Team. Это плотная модель на 7,1 млрд параметров с архитектурой RWKV-7 TimeMix и Transformer MLP; в карточке также указана реализация RwkvHybridForCausalLM. Модель предназначена для генерации текста и диалогов. Она создана на основе трёхэтапной дистилляции Qwen2.5-7B-Instruct, однако в этой версии применён только второй этап; SFT и DPO не проводились. README описывает обучение на контексте 2 048 токенов и 40 млн токенов данных. Несмотря на это, метаданные каталога указывают нативный контекст 32 768 токенов; практический предел этой предварительной версии требует проверки.

Модель использует рекуррентный механизм RWKV-7 без self-attention, с заявленными в README линейной сложностью по длине последовательности и постоянным использованием видеопамяти. В метаданных указаны языки английский и китайский, поддержка чата и интерфейс вызова инструментов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Это ранняя версия без SFT и DPO, поэтому качество следования инструкциям и работы с длинным контекстом может быть ограничено.

Сценарии применения

  • генерация текста на английском и китайском языках
  • ведение текстового диалога
  • эксперименты с рекуррентной архитектурой RWKV
  • оценка генерации текста с линейной сложностью по длине последовательности

Ограничения

Это предварительная версия: применён только второй этап дистилляции, без SFT и DPO; README указывает обучение с контекстом 2 048 токенов, тогда как метаданные каталога указывают нативный контекст 32 768 токенов. Возможности длинного контекста и качество следования инструкциям следует проверять отдельно.

Для каких профессий подходит4

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

ARWKV-7B-GATE-MLP (Preview 0.1)

Preview version with RWKV-7 time mixing and Transformer MLP

📌 Overview

ALL YOU NEED IS RWKV

This is an early preview of our 7B parameter RNN-based model, trained on 2k context length (only stage-2 applied, without SFT or DPO) through 3-stage knowledge distillation from Qwen2.5-7B-Instruct. While being a foundational version, it demonstrates:

  • ✅ RWKV-7's efficient recurrence mechanism
  • ✅ No self-attention, fully O(n)
  • ✅ Constant VRAM usage
  • ✅ Single-GPU trainability

Roadmap Notice: We will soon open-source different enhanced versions with:

  • 🚀 16k+ context capability
  • 🧮 Math-specific improvements
  • 📚 RL enhanced reasoning model

How to use

pip3 install --upgrade rwkv-fla transformers

Before training: export WKV_MODE=chunk

from transformers import AutoModelForCausalLM, AutoTokenizer


model = AutoModelForCausalLM.from_pretrained(
    "RWKV-Red-Team/ARWKV-7B-Preview-0.1",
    device_map="auto",
    torch_dtype=torch.float16,
    trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained(
    "RWKV-Red-Team/ARWKV-7B-Preview-0.1"
)

🔑 Key Features

ComponentSpecificationNote
ArchitectureRWKV-7 TimeMix + SwiGLUHybrid design
Context Window2048 training CTXPreview limitation
Training Tokens40MDistillation-focused
PrecisionFP16 inference recommended(16G Vram required)15%↑ vs BF16

🏗️ Architecture Highlights

Core Modification Flow

Qwen2.5 Decoder Layer:
- Grouped Query Attention
+ RWKV-7 Time Mixing (Eq.3)
- RoPE Positional Encoding
+ State Recurrence
= Hybrid Layer Output

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
RwkvHybridForCausalLM
Ревизия весов
55d2dd9

0 моделей