/ Модель

Характеристики

Лицензия
CC BY 4.0
Архитектура
bdh · dense
Базовая модель
bdh
Библиотека
custom
Опубликована
16 авг 2026

bdh-150m-slayer

Генерация текстаТекст → текст3 профессии

Байтовая языковая модель BDH примерно на 151 млн параметров для генерации текста и исследования масштабирования fast weight layers.

145скачиваний за 30 дней1лайквеса обновлены16 авг 2026

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

SlayerLab/bdh-150m-slayer — исследовательский чекпойнт языковой модели BDH с fast weight layers, обученный на 30 тысячах шагов на байтовом корпусе примерно из 970 млн токенов. Модель основана на pathwaycom/bdh; в архитектуре указаны 8 слоёв, размер эмбеддинга 256, 4 головы и около 151 млн параметров. Она работает непосредственно с UTF-8 байтами, без токенизатора, и рассчитана на последовательности длиной до 2048 токенов контекста.

Модель предназначена для генерации текста и изучения масштабирования BDH в рамках исследовательской серии SlayerLab. Обучающий набор состоял преимущественно из англоязычного FineWeb-Edu и частично из польского Speakleash; результаты обучения включают колеблющиеся значения validation loss. Доступны веса в формате safetensors, совместимые с pathwaycom/bdh. Лицензия — CC BY 4.0.

Сценарии применения

  • генерация англоязычного текста
  • генерация польского текста
  • эксперименты с байтовыми языковыми моделями
  • сравнение масштабирования моделей BDH

Ограничения

Модель обучалась на исследовательском смешанном корпусе и демонстрирует заметные колебания validation loss; README не приводит итоговых сравнительных метрик качества. Контекст ограничен последовательностями длиной 2048 байт-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

BDH-150M-EN — Byte-Level BDH Scaling Study Checkpoint

A 150M-parameter BDH (Fast Weight Layers) model trained to completion (30k steps) on a 970M-token byte-level research mix (80% EN fineweb-edu / 20% PL speakleash). This is the largest rung of the SlayerLab BDH scaling ladder.

Training summary

MetricValue
Params~151M
Steps30,000 (completed)
Seq len2048 (byte-level)
Dataresearch-mix-v1, 970M tokens, byte-level (vocab 256, no tokenizer)
OptimizerAdamW lr=1e-3 → 1e-4 cosine, wd 0.1, warmup 1000
Grad clipZClip
Final val loss1.099
HardwareRunPod A4000, single GPU

Learning curve (val loss per 500 steps, from step 15500)

step   val_loss
15500  1.233
16000  1.325
16500  1.115
17000  1.273
17500  1.460
18000  1.169
18500  1.250
19000  1.258
19500  1.270
20000  1.260
20500  1.203
21000  1.175
21500  1.152
22000  1.241
22500  1.402
23000  1.199
23500  1.125
24000  1.079
24500  1.114
25000  1.215
25500  1.197
26000  1.286
26500  1.178
27000  1.390
27500  1.216
28000  1.531
28500  1.090
29000  1.115
29500  1.186
30000  1.099

Full metrics (incl. steps 0–15000 from the pre-resume backup) in bdh_150M_en.json.

Architecture

  • BDH from pathwaycom/bdh — looped latent recurrence / fast weights
  • n_layer=8, n_embd=256, n_head=4, mlp_internal_dim_multiplier=768
  • Vocab: byte-level (vocab 256) — no tokenizer, works directly on UTF-8 bytes
  • ~151M parameters · seq length 2048

Files

  • model.safetensors — weights (state dict, model.* keys, compatible with pathwaycom/bdh)
  • config.json — architecture + training config
  • bdh_150M_en.json — full training metrics (loss, grad_norm per step)
  • bdh_150M_en.meta.json — run metadata

Load

import sys, torch
sys.path.insert(0, "path/to/pathwaycom/bdh")
import bdh as bdh_mod
from safetensors.torch import load_file

cfg = bdh_mod.BDHConfig(
    n_layer=8, n_embd=256, n_head=4,
    mlp_internal_dim_multiplier=768, dropout=0.1,
    vocab_size=256,
)
model = bdh_mod.BDH(cfg).bfloat16()
sd = load_file("model.safetensors")
model.load_state_dict({k.replace("model.", ""): v for k, v in sd.items()}, strict=False)

Context

Part of the BDH scaling study (25M → 50M → 150M) — results & baselines comparison in SlayerLab/bdh-scaling. Smaller rung: SlayerLab/bdh-25m-pl.

Как запустить

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

GPU в ailist

Универсальный рантайм · custom

Нельзя запустить

Архитектура bdh неизвестна transformers в образе рантайма.

Класс архитектуры
BDH
Ревизия весов
052c3af

0 моделей