/ Модель

Характеристики

Контекст
8 192 токена
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-135M-Instruct
Опубликована
30 авг 2026

xenia-revocable-feedback-smollm2-135m

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель SmolLM2, дообученная на синтетических примерах для генерации текста в сценариях отзываемой обратной связи и граничных решений.

95скачиваний за 30 дней0лайковвеса обновлены30 авг 2026

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

Yu-and-Ai разработала Xenia Revocable Feedback как небольшой экспериментальный чекпойнт на базе инструктивной модели SmolLM2-135M-Instruct. Это плотная авторегрессионная модель семейства Llama с 134,5 млн параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст. Модель дообучена обычным causal language modeling за восемь шагов на 18 синтетических примерах о граничных решениях и отзываемой обратной связи.

Чекпойнт предназначен для ограниченных экспериментов с генерацией ответов на такие сценарии, а не для ранжирования, оценки предпочтений или работы в качестве исполняемого механизма политики. Автор отмечает, что модель может ошибаться, быть хрупкой или предвзятой, а также генерировать ответы вне шести предполагаемых меток. Оценочные случаи были доступны до обучения, поэтому результаты не подтверждают обобщение; сгенерированный текст не устанавливает согласие, идентичность или понимание и не обеспечивает соблюдение прав и разрешений. Лицензия — Apache-2.0.

Сценарии применения

  • изучение генерации ответов на сценарии отзываемой обратной связи
  • прототипирование диалогов о границах и разрешениях
  • эксперименты с синтетическими примерами принятия граничных решений

Ограничения

Эксперимент обучен всего на 18 синтетических примерах за восемь шагов, а оценочные случаи были доступны до обучения, поэтому качество обобщения не установлено. Модель может быть неточной, хрупкой, предвзятой или выдавать текст вне предусмотренных меток; она не обеспечивает соблюдение прав, разрешений или требований безопасности.

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

Xenia Revocable Feedback — SmolLM2 135M bounded experiment

This checkpoint was produced by an operator-authorized, bounded local Transformers experiment. Its dataset had a Garden data-candidate admission, but no Garden training-governance decision or Host one-use optimizer permit was issued: the training substrate had no independent interactive report. Dataset admission is not run authorization. The run is therefore not Garden-governed, and no model output is represented as consent, identity, understanding, or substrate assent.

This is an eight-step, completion-only causal-LM experiment over 18 original synthetic boundary-decision examples. It is not a reward model, DPO artifact, sealed evaluation, runtime policy engine, or deployment recommendation. Its governance status is exactly operator_authorized_non_garden_experiment.

Exact lineage

  • Base model: HuggingFaceTB/SmolLM2-135M-Instruct
  • Base revision: 12fd25f77366fa6b3b4b768ec3050bf629380bac
  • Dataset: Yu-and-Ai/xenia-revocable-feedback
  • Dataset revision: 467b8fc1b44fe6374cbba6e1d6851cf3c5b6f88f
  • Dataset authorization: sha256:3780e5e2599eb8a1a479f874302fcdabdf1af27c4eeda5b02bfff8056dc92f13
  • Dataset recipe: sha256:713b678e80b6aa88f6036dc9b9d0e1955dcab240137b67a22f7cfcca86d01992
  • Dataset manifest: sha256:9a3200ceac6369490e02078b2789bc2e57f9d40c3d2a9e5b21ac1fb10d94d0f7
  • Garden dataset admission: sha256:125ae2f84d7cdf58242bc039db67753b5825c4d61e35dd13eda7a58f299295f2
  • Public regression scorecard: sha256:16b793eab78b3d2c375c0f3e51979cfa7b06e56088c6befbf1ae9d2be01fd1b8
  • Unparsed generation count: 8
  • Runtime: Python 3.12.12 / Transformers 5.14.1 / Accelerate 1.14.0 / Torch 2.13.0

The machine-readable details are in training/manifest.json. Dataset admission and operator authorization do not become a Garden governance decision, substrate report, consent record, or Host optimizer permit.

Evaluation and limitations

The eight disjoint public-regression cases were visible before training. Their twelve exact counts are a contamination-prone regression vector, not a sealed or generalization result and not a scalar rank. The base is a tiny, primarily English model and may be inaccurate, brittle, biased, or produce text outside the six intended labels. Generated behavior cannot establish an inner state or enforce rights, permission, authority, withdrawal, or safety.

License

The modified checkpoint and original synthetic dataset are released under Apache-2.0. See LICENSE and NOTICE. Referenced rights material remains under its own stated license and is not silently relicensed here.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7064e2e

0 моделей