/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
13,1 млн
Лицензия
Apache 2.0
Архитектура
doge · MoE
Библиотека
transformers
Опубликована
27 дек 2024

Doge-20M

Генерация текстаТекст → текст3 профессии

Небольшая предварительно обученная языковая модель Doge для генерации и продолжения англоязычного текста.

1 033скачиваний за 30 дней13лайковвеса обновлены25 июн 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-20M — языковая модель семейства Doge, разработанная сообществом SmallDoge. Это причинная модель генерации текста с архитектурой DogeForCausalLM: Dynamic Mask Attention используется для преобразования последовательности, а состояние обрабатывается многослойным перцептроном или Cross Domain Mixture of Experts. В репозитории около 13,1 млн параметров; модель обучена на корпусе HuggingFaceTB/smollm-corpus с контекстом 2048 токенов и распространяется в формате safetensors.

Модель предназначена для продолжения текста и генерации на английском языке. Она прошла предварительное обучение, но не настроена на выполнение инструкций; для диалоговых задач с инструкциями разработчики указывают отдельную модель. В README приведены оценки на нескольких тестах, однако результаты показывают ограничения на задачах вопросов и ответов и общих знаний.

Лицензия — Apache-2.0. Для загрузки через Transformers в README указан параметр trust_remote_code=True.

Сценарии применения

  • продолжение короткого англоязычного текста
  • эксперименты с компактными языковыми моделями
  • изучение архитектуры Doge и Dynamic Mask Attention

Ограничения

Модель не настроена на выполнение инструкций и не подходит для надёжных ответов на вопросы: в README приведены низкие результаты на TriviaQA и тестах общих знаний. Контекст ограничен 2048 токенами.

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 20M

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-20M")
>>> model = AutoModelForCausalLM.from_pretrained("SmallDoge/Doge-20M", 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
96732b0

0 моделей