/ Модель

Характеристики

Размер весов
333 МБ
Лицензия
Apache 2.0
Архитектура
OneBit-BLM-Chimera-Causal · MoE
Опубликована
31 авг 2026

one_bit_blm_chimera_causal_fix

Генерация текстаТекст → текст3 профессии

Экспериментальная байтовая языковая модель с GRU, MoE и 1-битным BitNet для причинной генерации текста.

94скачиваний за 30 дней0лайковвеса обновлены11 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

One-Bit BLM Chimera — Causal Fix — байтовая языковая модель с причинной генерацией, разработанная автором репозитория Yosua69. В ней используются многослойная GRU для обработки последовательностей, четыре блока MoE с четырьмя экспертами в каждом и 1-битное представление BitNet. Модель обучается с дистилляцией от Qwen/Qwen2.5-14B; README описывает чекпойнт третьей эпохи из 50 запланированных.

Модель предназначена для продолжения текста по входной строке и генерации текста на уровне байтов. Байтовый словарь содержит 257 значений, включая EOS; в примере показана генерация продолжением промпта на английском языке. Файлы репозитория представлены в формате PyTorch, лицензия — Apache-2.0.

Это незавершённый обучающий чекпойнт: указана только третья эпоха из запланированных пятидесяти, поэтому качество и стабильность генерации могут быть ограничены. В README не приведены размер модели, длина контекста и оценка качества.

Сценарии применения

  • продолжение текста по английскому промпту
  • эксперименты с байтовой генерацией текста
  • исследование сочетания GRU и MoE
  • изучение дистилляции языковых моделей

Ограничения

Это чекпойнт третьей эпохи из пятидесяти запланированных, поэтому обучение не завершено и качество генерации не подтверждено. Длина контекста и результаты оценки в карточке не приведены.

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

One-Bit BLM Chimera — Causal Fix

Byte-level Language Model + Mixture of Experts + 1-bit BitNet, distilled dari Qwen/Qwen2.5-14B.

Training dijalankan dengan 2 GPU terpisah: satu khusus menjalankan teacher (inference only), satu lagi khusus training student (forward, backward, optimizer) -- bukan replikasi data-parallel. Load-balancing loss ditambahkan untuk mencegah expert collapse di MoE.

Checkpoint ini: pytorch_model_epoch3.pth (epoch 3 dari 50 rencana total). File pytorch_model.pth selalu berisi salinan checkpoint terbaru; checkpoint per-epoch tersedia terpisah dengan akhiran _epochN.pth di repo ini untuk membandingkan progres antar epoch.

Quick Start

from huggingface_hub import hf_hub_download
exec(open(hf_hub_download("Yosua69/one_bit_blm_chimera_causal_fix", "inference.py")).read())

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model  = load_from_hub(device=device)
print(generate(model, device, prompt="The history of", max_bytes=150))

Arsitektur

KomponenDetail
InputRaw bytes (vocab: 257, termasuk EOS)
Sequence mixingGRU multi-layer, causal
Core4× blok MoE per-posisi (4 experts masing-masing)
Linear1-bit AbsMean quantization (BitNet)
GenerationIncremental, hidden state di-cache
TeacherQwen/Qwen2.5-14B (4-bit, knowledge distillation)
Load balancingImportance loss (Shazeer et al.) di tiap layer MoE

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура OneBit-BLM-Chimera-Causal неизвестна transformers в образе рантайма.

Ревизия весов
330d416

0 моделей