/ Модель

Характеристики

Параметры
3,6 млн
Лицензия
MIT
Архитектура
goldworm_v6 · dense
Библиотека
goldworm-v6
Опубликована
15 сен 2026

goldworm-v6

Генерация текстаТекст → текст3 профессии

Компактная побайтовая причинная трансформерная модель для генерации коротких текстов и экспериментов на TinyStories.

551скачиваний за 30 дней1лайквеса обновлены22 сен 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

GoldWorm v6 — это компактная причинная трансформерная языковая модель с побайтовой токенизацией, опубликованная пользователем Uuuuuuniiiiiii. Она предназначена для генерации текста и экспериментов с эффективными языковыми моделями; в карточке показан пример генерации на датасете TinyStories. Архитектура ByteTransformer содержит 6 слоёв, 4 головы внимания, размер скрытого представления 192 и контекст длиной 256 байтов. README сообщает о 2,76 млн параметров, тогда как метаданные указывают 3,6 млн; оценки в README приведены для TinyStories-valid и не гарантируют аналогичного качества на других данных.

Модель принимает текстовый байтовый ввод и генерирует текст. Веса опубликованы в формате safetensors, для запуска демо на Streamlit используются PyTorch, safetensors, NumPy и Streamlit. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация коротких детских историй
  • продолжение текста по начальному фрагменту
  • эксперименты с побайтовыми языковыми моделями
  • изучение генерации текста на компактной трансформерной архитектуре

Ограничения

Контекст ограничен 256 байтами, а опубликованная оценка качества относится к TinyStories-valid и не подтверждает качество на других задачах или доменах. В README и метаданных расходятся сведения о числе параметров: 2,76 млн и 3,6 млн соответственно.

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

GoldWorm v6 — Byte-Level Causal Transformer (2.76M params)

Verified result: full BPC 1.007349 (step 8000, TinyStories-valid, 129,429 fixed outer-val positions). Beats GPT-2 124M BYTE_BPC = 1.142985 (TOKEN_BPC = 9.152823) on the same metric.

Dataset: roneneldan/TinyStories (TinyStories-valid.txt, 19.4 MB, sha256 94e431816c4cce81...). Protocol: windowed stride-16 ctx-256 over fixed evaluation set; determinism verified (two bit-identical passes, max_abs_diff_per_position_bits = 0.0).

Model facts

  • Type: ByteTransformer
  • Vocab: 256 (byte-level)
  • Config: vocab_size=256, d_model=192, n_layer=6, n_head=4, ffn_mult=4, ctx=256, tie_embeddings=True, dropout=0.0
  • Params: 2,757,504
  • Checkpoint: run/andrew_8000/checkpoint_selected.pt → model.safetensors
  • Selection (inner-val): step 8000, inner_val_windowed_bpc = 1.051187
  • Full-val (outer): step 8000, full_bpc = 1.007349
  • Baselines: unigram 4.437 / bigram 3.317 (add-k 0.01, train-matched)
  • Gate: well below frozen v1 reference (2.566)

Files

  • model.safetensors — exported weights (tied embeddings cloned; load with ByteTransformer(config))
  • config.json — architecture config
  • eval_results.json — full outer-val result
  • demo/app.py — Streamlit text-generation demo
  • demo/requirements.txt — torch, safetensors, streamlit, numpy

Use with Streamlit demo

pip install -r demo/requirements.txt
streamlit run demo/app.py

Prompt is drawn from corpus/corpus.txt outer-val region; generation uses temperature / top-k sampling.

How to load (Python)

import sys, torch
sys.path.insert(0, '.')
from gwlm_v6 import TransformerConfig, ByteTransformer
from safetensors.torch import load_file

cfg = TransformerConfig(vocab_size=256, d_model=192, n_layer=6, n_head=4, ffn_mult=4, ctx=256, tie_embeddings=True, dropout=0.0)
model = ByteTransformer(cfg)
state = load_file("model.safetensors")
model.load_state_dict(state)
model.eval()

Verification

  • Chunk shape / parity / replication checks verified per LLM_PARITY_ROADMAP.md
  • Independent replication (step 8000) confirmed bit-exact with selection frozen before any outer_val read
  • Source repo: C:/Users/Student/GoldWorm/GoldWorm/goldworm-lm-v0/

Как запустить

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

GPU в ailist

Универсальный рантайм · goldworm-v6

Нельзя запустить

Архитектура goldworm_v6 неизвестна transformers в образе рантайма.

Ревизия весов
64a55f7

0 моделей