/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
54,5 млн
Лицензия
Apache 2.0
Архитектура
doge · MoE
Базовая модель
Doge-60M
Библиотека
transformers
Опубликована
18 дек 2024

Doge-60M-Instruct

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная модель Doge для диалогов, ответов на вопросы и генерации текста по инструкциям.

111скачиваний за 30 дней6лайковвеса 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-60M-Instruct — небольшая англоязычная авторегрессионная модель семейства Doge, обученная сообществом SmallDoge. Она использует архитектуру Doge с Dynamic Mask Attention и MoE-преобразованием состояния; в репозитории размещены веса в формате safetensors, а для работы указана библиотека Transformers. Модель содержит 54,5 млн параметров и рассчитана на контекст до 2048 токенов.

Модель дообучена на SmolTalk методом supervised fine-tuning, а затем на UltraFeedback Binarized методом DPO. Она предназначена для диалогов, ответов на вопросы и генерации текста по инструкциям. В опубликованной оценке показаны результаты на IFEval, MMLU, BBH, ARC, PIQA и HellaSwag; на CPU i7-11 указана скорость 62 токена в секунду.

Модель распространяется по лицензии Apache-2.0. Из-за малого размера её способности к сложным рассуждениям и следованию инструкциям ограничены; приведённые оценки не гарантируют качество на других задачах.

Сценарии применения

  • ответы на вопросы на английском языке
  • диалоговый помощник для простых запросов
  • генерация текста по инструкции
  • эксперименты с компактными языковыми моделями
  • запуск генерации текста на CPU

Ограничения

Модель содержит 54,5 млн параметров и предназначена прежде всего для простых запросов; её оценки на тестах не гарантируют качество в других сценариях. 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 60M Instruct

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, GenerationConfig, TextStreamer

tokenizer = AutoTokenizer.from_pretrained("SmallDoge/Doge-60M-Instruct")
model = AutoModelForCausalLM.from_pretrained("SmallDoge/Doge-60M-Instruct", trust_remote_code=True)

generation_config = GenerationConfig(
      max_new_tokens=100, 
      use_cache=True, 
      do_sample=True, 
      temperature=0.8, 
      top_p=0.9,
      repetition_penalty=1.0
)
steamer = TextStreamer(
      tokenizer=tokenizer, 
      skip_prompt=True
)

prompt = "Hi, how are you doing today?"
conversation = [
      {"role": "user", "content": prompt}
]
inputs = tokenizer.apply_chat_template(
    conversation=conversation,
    tokenize=True,
    return_tensors="pt",
)

outputs = model.generate(
    inputs, 
    tokenizer=tokenizer,
    generation_config=generation_config, 
    streamer=steamer
)

Model Details

We build the Doge-Instruct by first SFT on SmolTalk and then DPO on UltraFeedback Binarized.

SFT:

ModelTraining DataEpochsContent LengthLRBatch SizePrecision
Doge-20M-Instruct-SFTsmoltalk220488e-40.25Mbfloat16
Doge-20M-MoE-Instruct-SFTsmoltalk220488e-40.25Mbfloat16
Doge-60M-Instruct-SFTsmoltalk220486e-40.25Mbfloat16
Doge-120M-MoE-Instruct-SFTsmoltalk220486e-40.25Mbfloat16
Doge-160M-Instruct-SFTsmoltalk220484e-40.25Mbfloat16
Doge-320M-Instruct-SFTsmoltalk220482e-40.25Mbfloat16

DPO:

ModelTraining DataEpochsContent LengthLRBatch SizePrecision
Doge-20M-Instructultrafeedback_binarized210248e-50.125Mbfloat16
Doge-20M-MoE-Instructultrafeedback_binarized210248e-50.125Mbfloat16
Doge-60M-Instructultrafeedback_binarized210246e-50.125Mbfloat16
Doge-120M-MoE-Instructultrafeedback_binarized210246e-50.125Mbfloat16
Doge-160M-Instructultrafeedback_binarized210244e-50.125Mbfloat16
Doge-320M-Instructultrafeedback_binarized210242e-50.125Mbfloat16

Evaluation:

ModelIFEval (Prompt Strict Acc)MMLUBBHARCPIQAHellaSwagtokens / s on i7-11 CPU
Doge-20M-Instruct9.226.318.329.257.827.8142
Doge-20M-MoE-Instruct13.726.526.331.158.227.9132
Doge-60M-Instruct9.427.527.737.561.432.162
Doge-120M-MoE-Instruct24.428.230.144.262.136.358
Doge-160M-Instruct16.829.729.142.864.137.128
Doge-320M-Instruct28.530.331.951.771.050.616

Procedure:

SFT:

DPO:

Environment:

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

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
d982b17

0 моделей