Характеристики

Лицензия: Apache 2.0
Опубликована: 17 окт 2026

Ссылки

KenT_0.5B_Base

Генерация текстаТекст → текст

Базовая текстовая генеративная модель Vi-LAB с архитектурой Time-Semantic, для которой в карточке приведены результаты бенчмарка MMLU-Pro.

3 570скачиваний за 30 дней0лайковвеса обновлены18 окт 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

Vi-LAB/KenT_0.5B_Base — базовая текстовая генеративная модель с архитектурой Time-Semantic. В карточке приведён результат MMLU-Pro: общая точность 11,66%; результаты по отдельным категориям включают философию, право и историю.

Модель предназначена для генерации текста. Она распространяется в формате safetensors по лицензии Apache-2.0. README сообщает, что сведения о модулях будут обновлены позднее, поэтому архитектурные детали, размер и контекстное окно не описаны.

Сценарии применения

эксперименты с генерацией текста
оценка результатов на тесте MMLU-Pro
исследование архитектуры Time-Semantic

Ограничения

В README приведена низкая общая точность MMLU-Pro — 11,66%; результаты бенчмарка не гарантируют качество на других задачах. Карточка сообщает, что описание модулей ещё обновляется.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Modules are building, update coming soon! Time-Semantic Architecture

MMLU-Pro Benchmark Results

Model ID: Vi-LAB/KenT_0.5B_Base
Benchmark: TIGER-Lab/MMLU-Pro (Source Data)
Overall Accuracy: 11.66% (1,403 / 12,032 correct)

Category	Accuracy (%)	Correct / Total
philosophy	14.43%	72 / 499
law	13.81%	152 / 1101
history	13.39%	51 / 381
economics	13.03%	110 / 844
health	12.35%	101 / 818
physics	11.78%	153 / 1299
other	11.58%	107 / 924
chemistry	11.31%	128 / 1132
engineering	11.25%	109 / 969
math	10.73%	145 / 1351
biology	10.60%	76 / 717
computer science	10.49%	43 / 410
business	10.39%	82 / 789
psychology	9.27%	74 / 798

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Ревизия весов: fffbd46