/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
doge · MoE
Библиотека
transformers
Опубликована
15 фев 2025

Doge-160M

Генерация текстаТекст → текст3 профессии

Небольшая предварительно обученная англоязычная модель SmallDoge для генерации и продолжения текста, без настройки для выполнения инструкций.

104скачиваний за 30 дней7лайковвеса обновлены8 авг 2025

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

Doge-160M — языковая модель сообщества SmallDoge на 152,6 млн параметров, предназначенная для генерации текста. Она обучена предварительно на корпусе SmolLM-Corpus и не проходила настройку для выполнения инструкций; для диалога с командами и вопросами авторы указывают отдельную instruction-модель.

Архитектура Doge использует Dynamic Mask Attention для преобразования последовательностей и вариант Cross Domain Mixture of Experts для преобразования состояния. Модель работает с текстом на английском языке, а её контекстное окно составляет 2048 токенов. README приводит результаты оценки на MMLU, TriviaQA, ARC, PIQA, HellaSwag, OBQA и Winogrande, однако они не гарантируют качество на других задачах.

Модель загружается через Transformers в формате safetensors. Лицензия — Apache-2.0. Из-за отсутствия instruction-тюнинга она лучше подходит для экспериментов с продолжением текста и исследований архитектуры, чем для прямого использования как ассистент.

Сценарии применения

  • продолжение английского текста по началу фразы
  • эксперименты с небольшой языковой моделью
  • изучение архитектуры Doge и Dynamic Mask Attention

Ограничения

Модель не настроена для выполнения инструкций, поэтому может не следовать запросам как чат-ассистент. Контекст ограничен 2048 токенами; опубликованные оценки охватывают только перечисленные в README тесты.

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

Doge 160M

Doge uses Dynamic Mask Attention as sequence transformation and can use Multi-Layer Perceptron or Cross Domain Mixture of Experts as state transformation. Dynamic Mask Attention allows the Transformer to use self-attention during training and state space during inference, and Cross Domain Mixture of Experts can directly inherit the weights of Multi-Layer Perceptron for further training. This model is trained by SmallDoge community, for detailed algorithm and model architecture, paper coming soon, all training details and code are available in the small-doge repository.

Uses

>>> from transformers import AutoTokenizer, AutoModelForCausalLM

>>> tokenizer = AutoTokenizer.from_pretrained("SmallDoge/Doge-160M")
>>> model = AutoModelForCausalLM.from_pretrained("SmallDoge/Doge-160M", trust_remote_code=True)
>>> inputs = tokenizer("Hey how are you doing?", return_tensors="pt")

>>> out = model.generate(**inputs, max_new_tokens=100)
>>> print(tokenizer.batch_decode(out))

Model Details

We build the Doge by doing Per-Training on Smollm-Corpus. If you want to continue pre-training this model, you can find the unconverged checkpoint here. These models has not been fine-tuned for instruction, the instruction model is here.

Pre-Training:

ModelTraining DataStepsContent LengthTokensLRBatch SizePrecisionRTX 4090 GPU hours
Doge-20Msmollm-corpus8k20484B8e-30.5Mbfloat1614
Doge-60Msmollm-corpus16k204816B6e-31Mbfloat16128
Doge-160Msmollm-corpus24k204832B4e-31.5Mbfloat16522
Doge-320Msmollm-corpus32k204864B2e-32Mbfloat161856

Evaluation:

ModelMMLUTriviaQAARCPIQAHellaSwagOBQAWinograndetokens / s on i7-11 CPU
Doge-20M25.40.0329.858.427.325.650.2142
Doge-60M26.40.237.961.431.528.050.862
Doge-160M29.24.844.470.143.434.452.228
Doge-320M35.69.455.473.952.737.959.316

Procedure:

Environment:

  • Image: nvcr.io/nvidia/pytorch:24.12-py3
  • Hardware: 1x NVIDIA RTX 4090
  • Software: Transformers

Citation

@misc{smalldoges,
  title={SmallDoges: A Family of Dynamic UltraFast Small Language Models}, 
  author={Jingze, Shi and Yifan, Wu and Bingheng, Wu and Yuyu, Luo},
  year={2025},
  month={March},
  url={https://github.com/SmallDoges/small-doge}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DogeForCausalLM
Ревизия весов
1f14958

0 моделей