/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
open-dcoder-0.5B
Опубликована
18 дек 2025

CDLM-0.5B

Генерация текстаТекст → текст6 профессий

Компактная диффузионная модель на базе Qwen2 для генерации и исправления кода по текстовым запросам.

605скачиваний за 30 дней2лайкавеса обновлены28 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

CDLM-0.5B — компактная языковая модель для генерации и исправления кода, созданная на основе fredzzp/open-dcoder-0.5B авторами проекта Corrective Diffusion Language Models. Модель содержит около 494 млн параметров, использует архитектуру Qwen2 с маскированной диффузией и двунаправленным вниманием; её дообучили на 2 000 шагов с целью, учитывающей уверенность модели в видимых искажённых токенах. Для работы требуется реализация диффузионной модели из репозитория проекта: обычная загрузка через AutoModelForCausalLM даст некорректные результаты.

Модель предназначена для генерации и корректировки программного кода по текстовым запросам. В метаданных указано контекстное окно 32 768 токенов; карточка также связывает обучение с набором данных NVIDIA Nemotron Pretraining SFT v1. README описывает особенности вычисления градиентов в использованном обучающем коде, которые могут влиять на эффект весов целевой функции. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация кода по текстовому описанию
  • исправление ошибок в программном коде
  • продолжение фрагмента кода
  • разговорная помощь с задачами программирования

Ограничения

Для корректных результатов нужна специализированная реализация маскированной диффузионной модели; обычная загрузка как причинной Qwen2-модели работает неверно. В README отмечены особенности градиентов в обучающем коде, из-за которых веса отдельных членов целевой функции могли не применяться ожидаемым образом.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CDLM-0.5B

CDLM-0.5B is the 0.5B corrective diffusion language model of Corrective Diffusion Language Models (NeurIPS 2026): fredzzp/open-dcoder-0.5B continued for 2,000 steps with the CDLM objective, which supervises visible corrupted tokens so that token confidence becomes error-aware. Paper: arXiv:2512.15596. Code: zhangshuibai/CDLM.

The same weights are published as Shuibai12138/Open-Dcoder-0.5B-mixture-mdm-step2000, whose card lists the full training configuration and provenance.

Usage

This is a masked diffusion language model with bidirectional attention. Loading it with AutoModelForCausalLM (as an earlier version of this card showed) gives a causal Qwen2 model and wrong outputs. Use the pipeline of the code repository. The pipeline loads the diffusion Qwen2 implementation only when the model name contains open-dcoder, which this repository id does not: pass --model_name Shuibai12138/Open-Dcoder-0.5B-mixture-mdm-step2000 (identical weights), or download this repository to a local directory whose name contains open-dcoder.

Implementation note on the gradient

The 0.5B training code computes the per-token cross-entropy terms with LigerFusedLinearCrossEntropyLoss(reduction="none") from liger-kernel 0.5.8. Its backward pass scales every token's gradient by the upstream gradient of the first token, so the per-token weights of the objective (the 1/|S| and 1/t factors and the noise-term weight) are not applied in the update: each micro-batch receives the first token's weight times the unweighted sum of the per-token gradients, a micro-batch whose first target token is unsupervised receives no gradient, and when the first target token is a replaced one the noise term adds gradient on every valid position, clean tokens included. Logged losses are correct. This model was trained with that code; see training/README.md ("Effective gradient") in the code repository.

Licence

MIT (see the licence field above). Base model: fredzzp/open-dcoder-0.5B, licensed under the Apache License 2.0; this model is a derivative (continued training) of it, and the base model's licence and notices apply to the parts derived from it.

Citation

@inproceedings{zhang2026corrective,
  title     = {Corrective Diffusion Language Models},
  author    = {Zhang, Shuibai and Peng, Fred Zhangzhi and Zhang, Yiheng and Pan, Jin and Chrysos, Grigorios G.},
  booktitle = {Advances in Neural Information Processing Systems},
  year      = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
b142acd

0 моделей