/ Модель

Характеристики

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

1pp-1b-ua-tokmatch-sft

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная чат-модель примерно на 906 млн параметров для исследования обучения диалогов в рамках проекта One Persona Pretraining.

168скачиваний за 30 дней0лайковвеса обновлены24 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 языковая модель Raghav Singhal из исследования One Persona Pretraining (1PP), созданная на базе Llama-стильного декодера и дообученная в формате чата. Веса содержат около 906 млн параметров; модель использует 24 слоя, контекст до 4096 токенов и токенизатор SmolLM2. Доступны веса в формате safetensors, библиотека Transformers и лицензия Apache-2.0.

Модель обучалась на переписанных диалогах с функцией потерь на репликах пользователя и ассистента, а затем прошла supervised fine-tuning на смеси из 400 тысяч диалогов. Это ветвь эксперимента с выровненным количеством токенов supervised-обучения, предназначенная для исследования влияния обучающих условий на качество разговорных моделей. Она принимает текст в шаблоне ChatML без системной реплики и генерирует текстовые ответы на английском языке.

Авторы прямо указывают, что это исследовательский артефакт, а не универсальный помощник. Модель не обучалась на системных репликах, поэтому их использование может быть неподходящим; качество и поведение за пределами описанного экспериментального сценария не гарантированы. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоге на английском языке
  • воспроизведение экспериментов One Persona Pretraining
  • сравнение обучения с функцией потерь на репликах пользователя и ассистента
  • исследование поведения компактных разговорных языковых моделей

Ограничения

Это исследовательский артефакт, который автор не позиционирует как универсального помощника; модель не обучалась на системных репликах. Качество вне описанного экспериментального сценария не гарантируется.

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-ua-tokmatch-sft

One Persona Pretraining (1PP) experiment model: 0.98B parameters, pretraining condition rewritten conversations, user+assistant loss, followed by supervised fine-tuning (SFT).

Token-matched branch of 1pp-1b-ua-sft: the production run continued from its step-12,000 checkpoint under a shorter schedule (same seed, optimizer state and batch order, 10% linear decay) that ends at step 17,396, where the run has trained on 33.745B supervised tokens, the total of the assistant-turn-loss condition over its full 31,777 steps. It answers whether the user+assistant condition's advantage is a supervised-token-count effect: at equal supervised tokens this branch saw 55% of the documents and compute of the assistant-only run. SFT as for the main models (matrix LR of the seed-28 sweep).

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 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
1.5421.4353.289

Supervised fine-tuning

One epoch over a 400k-conversation mix: jkminder/model-raising-pb-100k-3c-mt-sft (98.5k multi-turn, constitution-cited track), dlab-spp/sp-sft-normal-300k minus prompts duplicated in the first set (271.6k), and a 30k sample of dlab-spp/sp-sft-safety-180k. Same stack as pretraining (Megatron, Muon, ChatML without a system turn, loss on assistant turns only). Matrix LR 0.002 selected per model from {0.0005, 0.001, 0.002, 0.005} by held-out loss (on the full-run model of this size and condition); global batch 128 × 4,096, linear decay to 1/10 after 3% warmup.

Held-out SFT loss (assistant tokens, 1,998 held-out conversations): 1.946

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.

Verification

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

setHF lossMegatron referenceabs. diff
sft_val segments [3, 4]1.94551.94560.0001

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
22143fc

0 моделей