/ Модель

Характеристики

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

bdh-25m-pl

Генерация текстаТекст → текст3 профессии

Компактная польскоязычная модель BDH для генерации текста и экспериментов с архитектурой fast-weight.

51скачиваний за 30 дней1лайквеса обновлены13 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

BDH-25M-PL — компактная языковая модель на 25,3 млн параметров от SlayerLab, дообученная на польском корпусе SlayerLab/polish-dynaword-mix. Она предназначена для генерации текста на польском языке и служит открытой базовой моделью для проверки обучения и работы архитектуры BDH.

Модель использует плотную архитектуру BDH с циклической скрытой рекуррентностью и fast-weight слоями: представления ключа и значения совмещены (Q==K), а внутреннее состояние адаптируется к контексту во время генерации. Она обрабатывает UTF-8 побайтно, без токенизатора, с размером словаря 256; длина последовательности — 2048. Веса доступны в формате safetensors.

Карточка сообщает, что модель генерирует грамматически корректные польские предложения, однако 25 млн параметров, обученных на 100 млн токенов, недостаточно для высокого качества по оценке авторов. Модель распространяется по лицензии CC BY 4.0.

Сценарии применения

  • генерация польских предложений
  • продолжение польского текста
  • эксперименты с архитектурой BDH
  • проверка побайтной языковой модели на польском корпусе

Ограничения

Модель небольшая и, согласно карточке, недообучена для высокого качества; авторы позиционируют её как базовую проверку работоспособности архитектуры. Указанная длина последовательности — 2048.

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-25M-PL — Polish Looped-Transformer (Fast-Weight) Language Model

A small, open-weight language model built on the BDH (Fast Weight Layers) architecture, trained on a clean Polish mix from SlayerLab/polish-dynaword-mix (100M tokens, byte-level).

Abstract (EN)

BDH-25M-PL is a small, open-weight language model built on the BDH (Fast Weight Layers) architecture, drawn from the family of looped models with localized latent recurrence. Unlike a standard transformer, BDH shares its representation as both key and value (Q==K), so the internal state acts as a working memory that adapts to context on the fly, without changing weights. The model operates directly on UTF-8 bytes (vocab 256, no tokenizer) and was trained on a clean, diversified Polish corpus, SlayerLab/polish-dynaword-mix (100M tokens, legal content capped at ~7%). It is a baseline: it confirms the BDH architecture trains and generates correctly end-to-end, producing grammatically correct Polish sentences. Per scaling laws, a 25M-parameter model is undertrained for high quality (it would need ~0.5–2B tokens), yet it serves as a verifiable, public starting point for larger variants.

Abstract (PL)

BDH-25M-PL to mały, otwarty model językowy oparty na architekturze BDH (Fast Weight Layers, ang. warstwy szybkich wag), który wprowadzono w rodzinie modeli pętlowanych z lokalną rekurencją ukrytą (looped latent recurrence). W przeciwieństwie do klasycznego transformera, BDH współdzieli reprezentację jako klucz i wartość (Q==K), dzięki czemu wewnętrzny stan staje się swego rodzaju pamięcią roboczą adaptującą się do kontekstu w locie, bez zmiany wag. Model działa bezpośrednio na bajtach UTF-8 (vocab 256, brak tokenizera) i został wytrenowany na czystym, zróżnicowanym polskim zbiorze SlayerLab/polish-dynaword-mix (100 mln tokenów, treść prawna ograniczona do ~7%). Jest to baseline: potwierdza, że architektura BDH trenuje i generuje poprawnie end-to-end, generując gramatycznie poprawne polskie zdania. Zgodnie z prawami skalowania model o rozmiarze 25M param. jest niedoćwiczony dla wysokiej jakości (wymagałby ~0.5–2 mld tokenów), pełni jednak rolę weryfikowalnego, publicznego punktu startowego pod większe warianty.

Training curves

Train and validation loss over 10,000 byte-level steps (final val loss ≈ 1.41; random-init baseline ≈ 5.6).

Learning curves

Architecture

  • BDH from pathwaycom/bdh — looped latent recurrence / fast weights
  • n_layer=8, n_embd=256, n_head=4, mlp_internal_dim_multiplier=128
  • Vocab: byte-level (vocab 256) — no tokenizer, works directly on UTF-8 bytes
  • ~25.3M parameters · seq length 2048
  • Key feature: Q==K (fast weights) — the shared state acts as both key and value (localized latent recurrence)

Training

  • Data: SlayerLab/polish-dynaword-mix (100M tokens, law cap 7%, dedup, cleaned)
  • Steps: 10000 · final val loss ≈ 1.41 · byte-level (random-init baseline ≈ 5.6)
  • Optimizer: ZClip + protocol B.2 (as in the BDH paper)

Note on scale

This is a 25M model trained on 100M tokens — per scaling laws it is undertrained for high quality, but it serves as a working baseline: it generates grammatically-correct Polish and demonstrates that the BDH architecture trains and generates correctly end-to-end.

Quick start

import torch
from safetensors.torch import load_file
from bdh import BDH, BDHConfig

cfg = BDHConfig(n_layer=8, n_embd=256, n_head=4,
                mlp_internal_dim_multiplier=128, dropout=0.1, vocab_size=256)
model = BDH(cfg)
model.load_state_dict({k.replace("model.", ""): v
                       for k, v in load_file("model.safetensors").items()}, strict=True)
model.eval()

# byte-level prompt (no tokenizer)
prompt = "Warszawa jest stolicą Polski i "
ids = torch.tensor([list(prompt.encode("utf-8"))])
# ... autoregressive loop, one byte at a time with softmax(temp)

Files

  • model.safetensors — weights (101MB)
  • config.json — hyperparameters and training metadata

License

Weights: CC-BY-4.0. Architecture: MIT (pathwaycom/bdh).

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
d8895c2

0 моделей