/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
54,5 млн
Лицензия
Apache 2.0
Архитектура
doge · MoE
Библиотека
transformers
Опубликована
10 мар 2025

Doge-320M

Генерация текстаТекст → текст3 профессии

Doge-320M — компактная предварительно обученная языковая модель SmallDoge для генерации продолжения английского текста.

8 244скачиваний за 30 дней9лайковвеса 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-320M — авторегрессионная языковая модель сообщества SmallDoge, обученная на корпусе SmolLM. Она использует архитектуру Doge с классом DogeForCausalLM и механизмом Dynamic Mask Attention: во время обучения применяется self-attention, а при инференсе — state space. В архитектуре также предусмотрен вариант преобразования состояния через Cross Domain Mixture of Experts, способный наследовать веса MLP для дальнейшего обучения.

Модель предназначена для генерации продолжения текста и базовых диалоговых сценариев. Это предварительно обученная модель без дообучения на инструкции, поэтому она не ориентирована на надёжное выполнение запросов в формате ассистента. Контекст составляет 2048 токенов; в метаданных указано 54,5 млн параметров, библиотека Transformers и поддержка английского языка. Для загрузки через Transformers в README приведён пример с trust_remote_code=True.

Модель распространяется по лицензии Apache-2.0. README указывает, что алгоритмические детали и описание архитектуры планировалось раскрыть в статье позднее; приведённые оценки относятся к меньшим версиям семейства и не описывают качество Doge-320M.

Сценарии применения

  • генерация продолжения английского текста
  • создание черновых фрагментов текста
  • эксперименты с компактными авторегрессионными моделями
  • изучение архитектуры Doge и Dynamic Mask Attention

Ограничения

Модель не дообучена для следования инструкциям, поэтому ответы на запросы в формате ассистента могут быть ненадёжными. В README нет результатов оценки именно версии Doge-320M.

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 320M

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-320M")
>>> model = AutoModelForCausalLM.from_pretrained("SmallDoge/Doge-320M", 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
2249aa2

0 моделей