/ Модель

Характеристики

Контекст
514 токенов
Лицензия
Apache 2.0
Архитектура
dat · dense
Библиотека
transformers
Опубликована
21 июл 2026

babylm-dat-strict-nextlat-final

Генерация текстаТекст → текст3 профессии

Причинная языковая модель DAT, обученная с нуля для оценки BabyLM 2026 Strict и исследований языкового моделирования.

62скачиваний за 30 дней0лайковвеса обновлены20 авг 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

DAT Strict NextLat Final — причинная языковая модель на архитектуре Dual Attention Transformer, разработанная для соревнования BabyLM 2026 Strict. Модель обучена с нуля на корпусе BabyLM 2026 Strict в пределах лимита в 100 миллионов слов; применялись 10 проходов по корпусу и вспомогательная цель NextLat. Опубликованные веса используют экспоненциальное скользящее среднее.

Архитектура включает 16 слоёв трансформера, размер скрытого состояния 1024, 12 голов self-attention и 4 головы relational attention, позиционное кодирование RoPE, SwiGLU и словарь из 16 384 токенов. Максимальная длина последовательности — 514 токенов. Модель принимает текст и генерирует текст; она предназначена прежде всего для оценки в BabyLM и исследований языкового моделирования.

Модель обучена с нуля, без учителя и мультимодальных данных. Для загрузки через классы Hugging Face Auto требуется разрешить пользовательский код параметром trust_remote_code=True. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • оценка языковой модели на треке BabyLM 2026 Strict
  • исследование причинного языкового моделирования на ограниченном корпусе
  • генерация продолжения короткого текстового контекста

Ограничения

Контекст ограничен 514 токенами, а модель обучена на специально ограниченном корпусе BabyLM Strict, поэтому её возможности могут не переноситься на широкий круг реальных задач. Для загрузки через Hugging Face Auto необходимо включить выполнение пользовательского кода.

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

DAT Strict NextLat Final

DAT Strict NextLat Final is a causal Dual Attention Transformer language model trained from scratch for the BabyLM 2026 Strict track. It combines self-attention, relational attention, position-relative symbols, and a NextLat auxiliary training objective. The repository contains the tokenizer and custom HuggingFace Transformers code required by the Auto classes.

Architecture

  • 16 transformer layers
  • Hidden dimension 1,024
  • 12 self-attention heads and 4 relational-attention heads
  • Rotary token positional encoding
  • Shared position-relative symbol retrieval without relative-symbol RoPE
  • RCA relational attention
  • SwiGLU feed-forward layers
  • Vocabulary size 16,384
  • Maximum model sequence length 514
  • Untied token embedding and language-model head

Training

The model was trained for ten passes through the BabyLM 2026 Strict corpus under the 100 million word data limit. Training used batches of 42 sequences of 512 tokens, seed 1, Muon for hidden matrix parameters, and LambW for the remaining parameters. The Muon learning rate was 0.02, the auxiliary learning rate was 0.001, weight decay was 0.01, and the schedule used one percent warmup followed by cosine decay to ten percent of the initial rate.

NextLat used horizon 1 with cross-entropy weight 0.0, KL weight 0.5, and MSE weight 1.0. An exponential moving average with decay 0.999 was maintained during training. The published final model and checkpoint revisions use the EMA weights. No teacher model, synthetic data augmentation, or multimodal input was used.

Checkpoints

The final EMA model is stored on main. Intermediate EMA checkpoints use the official BabyLM Strict revision names from chck_1M through chck_1000M. These names represent cumulative words processed across repeated passes through the corpus.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "abe123/babylm-dat-strict-nextlat-final"
tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo_id, trust_remote_code=True)

Use an explicit immutable commit SHA for reproducible evaluation.

Intended use and limitations

This checkpoint is intended for BabyLM evaluation and language-model research. It uses custom model code and therefore requires trust_remote_code=True when loaded through HuggingFace Auto classes.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DatForCausalLM
Ревизия весов
3a868c0

0 моделей