/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,6 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
11 сен 2026

1pp-1.7b-ua-seed42-base

Генерация текстаТекст → текст3 профессии

Базовая Llama-модель на 1,66 млрд параметров для исследования влияния инициализации и условий предобучения на переписанных диалогах.

68скачиваний за 30 дней0лайковвеса обновлены11 сен 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

Экспериментальная базовая языковая модель Raghav Singhal из проекта One Persona Pretraining (1PP), созданная в EPFL DLAB. Это плотный декодер Llama с 1,66 млрд параметров, 24 слоями и контекстом 4096 токенов; модель использует токенизатор SmolLM2 с 49 152 токенами. Веса доступны в формате safetensors, библиотека для работы — Transformers.

Модель обучалась на переписанных диалогах, сформированных из 47,8 млн исходных документов; функция потерь применялась к репликам и пользователя, и ассистента. Вариант seed42 повторяет рецепт и последовательность батчей версии 1pp-1.7b-ua-base, меняя seed инициализации с 28 на 42, чтобы изучать влияние случайной инициализации. Он предназначен для исследования предобучения и сравнения экспериментальных условий, а не для использования как универсальный ассистент. Диалоги оформляются в ChatML без системной реплики; модель не обучалась на system turn.

Лицензия — Apache-2.0. Модель ограничена английским языком согласно карточке; результаты эксперимента не следует считать гарантией качества в прикладных чат-сценариях.

Сценарии применения

  • сравнение вариантов инициализации при предобучении языковых моделей
  • изучение предобучения на переписанных диалогах
  • оценка предсказания реплик пользователя и ассистента
  • воспроизведение экспериментов One Persona Pretraining
  • исследовательские эксперименты с генерацией текста на английском языке

Ограничения

Это исследовательский базовый чекпойнт, а не универсальный чат-ассистент; модель не обучалась на системных репликах. Карточка указывает английский язык и контекст 4096 токенов.

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

1pp-1.7b-ua-seed42-base

One Persona Pretraining (1PP) experiment model: 1.66B parameters, pretraining condition rewritten conversations, user+assistant loss.

Seed replicate of 1pp-1.7b-ua-base: the same recipe and the same batch sequence, with --seed 42 instead of 28 for the parameter initialization. It measures the initialization variance of the recipe: the two seeds differ by 0.001 to 0.003 nats in pretraining validation loss at 1.7B.

Part of a 3 × 3 study: three sizes (0.5B, 1B, 1.7B) × three pretraining conditions on the same 47.8M source documents in the same order (original documents; rewritten conversations with loss on assistant turns; rewritten conversations with loss on user and assistant turns). Every run saw the identical batch sequence, so the conditions differ only in the document text and the loss mask. Models are grouped in the 1pp collection.

Architecture

Llama-style decoder, 24 layers, hidden 2,048, FFN 8,192 (SwiGLU), attention heads / KV heads 16 / 4 (head dim 128), RMSNorm, RoPE base 10,000, untied embeddings, no biases, no QK-norm, sequence length 4,096. Tokenizer: SmolLM2 vocabulary (49,152) plus <|pad|>; <|endoftext|> is the end-of-document token.

Pretraining

Data: the 1PP conversations rewritten from those documents; loss on user and assistant turns (no loss on <|endoftext|>). One pass over 47.8M documents (66.2B tokens of original documents; 63.0B tokens as conversations), 31,777 steps at global batch 512 × 4,096 tokens, cross-document attention masking, best-fit packing with step-aligned document assignment. Optimizer: Muon (shape scaling, matrix LR 0.005) with Adam for embeddings and norms, warmup 2,000 steps, constant, linear decay over the last 10% to 1/100, weight decay 0.1, bf16.

Validation loss (per token, 2,433 held-out documents, final checkpoint):

assistant textuser textdocument text
1.4331.3393.123

Chat format

ChatML without a system turn (the models never saw one):

<|im_start|>user\n{message}<|im_end|>\n<|im_start|>assistant\n{reply}<|im_end|>\n

The bundled chat_template renders exactly this. Generation stops at <|im_end|> (id 2) or <|endoftext|> (id 0); both are listed in eos_token_id. This is a base model; the conversation conditions produce chat-formatted text, the raw baseline plain text.

Verification

The HF weights were checked against the Megatron checkpoint by recomputing validation losses with this model:

setHF lossMegatron referenceabs. diff
val50m segments [3]1.43121.43250.0014
raw_val50m segments [8]3.12433.12260.0017

Links

  • Training logs: wandb projects 1pp-training and 1pp-sft
  • Research artifact from the 1PP project (EPFL DLAB); not a general-purpose assistant.

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
70f980e

0 моделей