/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
906 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
3 сен 2026

1pp-1b-raw-base

Генерация текстаТекст → текст3 профессии

Базовая англоязычная модель семейства Llama примерно на 906 млн параметров для генерации текста и исследований предобучения.

115скачиваний за 30 дней0лайковвеса обновлены4 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

Raghav-Singhal/1pp-1b-raw-base — базовая языковая модель из эксперимента One Persona Pretraining (1PP), связанного с исследовательским проектом EPFL DLAB. Модель разработана для изучения влияния формата предобучающих данных и маски потерь; этот вариант обучен на исходных документах DCLM-edu без преобразования в диалоги.

Это плотный авторегрессионный декодер семейства Llama с 24 слоями и примерно 906 млн параметров по метаданным Hugging Face. Модель принимает текст и генерирует текст, поддерживает английский язык, использует контекст до 4 096 токенов и распространяется в формате safetensors для Transformers. README описывает обучение на 47,8 млн документов и ChatML-шаблон, однако исходный вариант предназначен для продолжения обычного текста, а не для роли универсального диалогового помощника.

Модель подходит для исследовательских экспериментов с генерацией текста и предобучением языковых моделей. Она не является готовым ассистентом и не заявлена для специализированных прикладных областей. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычных документов
  • эксперименты с авторегрессионной генерацией текста
  • сравнение моделей, обученных на исходных документах и диалогах

Ограничения

Это базовая модель, а не готовый универсальный ассистент; вариант обучен на исходных документах и не предназначен для диалогового применения. Контекст ограничен 4 096 токенами.

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-1b-raw-base

One Persona Pretraining (1PP) experiment model: 0.98B parameters, pretraining condition original documents.

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 1,536, FFN 6,144 (SwiGLU), attention heads / KV heads 12 / 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 original DCLM-edu documents (raw baseline); loss on all document tokens and 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
2.5742.6202.458

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]2.57262.57440.0018
raw_val50m segments [8]2.46002.45820.0018

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
8b09bd9

0 моделей