/ Модель

Характеристики

Размер весов
16 ГБ
Лицензия
Apache 2.0
Архитектура
llada · dense
Базовая модель
LLaDA-8B-Base
Библиотека
transformers
Опубликована
3 сен 2026

llada-8b-dllm-memory-tokens-mix60k-recon-w005

Генерация текстаТекст → текст3 профессии

Экспериментальная версия LLaDA-8B с четырьмя обучаемыми слотами памяти для передачи и восстановления контекста между чанками текста.

332скачиваний за 30 дней0лайковвеса обновлены17 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

Экспериментальная дообученная модель проекта dLLM Registers на базе GSAI-ML/LLaDA-8B-Base. Это базовая линия с обучаемыми слотами памяти для диффузионной языковой модели: четыре непрерывных слота в начале последовательности передают информацию между чанками, а вспомогательная цель обучения учит их восстанавливать предыдущий завершённый чанк. Модель рассчитана на исследования ограниченного состояния рассуждений и передачи контекста между частями текста; в карточке приведён результат проверки на 200 примерах GSM8K: 106 из 200 для режима переноса памяти и 86 из 200 для сброса.

Модель использует плотную архитектуру LLaDA с классом LLaDAModelLM и содержит 8 млрд параметров согласно базовой модели. Обучение проводилось на смеси из 60 тысяч примеров OpenMathInstruct-2 и OpenCodeInstruct с чанками длиной 128 токенов и максимум восемью чанками. Метаданные указывают генерацию текста и английский язык. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия — Apache-2.0. В README для загрузки указаны trust_remote_code=True. Результат GSM8K относится к небольшому набору проверки, поэтому не характеризует качество на широком круге задач.

Сценарии применения

  • изучение передачи памяти между чанками при генерации текста
  • эксперименты с ограниченным состоянием рассуждений в диффузионных языковых моделях
  • сравнение переноса и сброса памяти на задачах рассуждения
  • исследование восстановления предыдущего чанка по слотам памяти

Ограничения

Показатель на GSM8K получен всего на 200 примерах и не даёт оценки качества на широком круге задач. В README модель обозначена как базовая линия с памятью, а не как чекпойнт с register-токенами.

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

llada-8b-dllm-memory-tokens-mix60k-recon-w005

Matched learned memory-token baseline for the dLLM Registers project. This is a memory/compression baseline, not a register-token checkpoint.

This model is described in the paper Register Tokens for Bounded-State Reasoning in Diffusion Language Models.

  • Base model: GSAI-ML/LLaDA-8B-Base
  • Memory channel: four continuous front-position slots, matching the R4 inference-time channel capacity
  • Training data: canonical mix60k (OpenMathInstruct-2 + OpenCodeInstruct, 60K examples; source SHA-256 58115f6be4bad1c635f3cdc28a57ee83305d38bb82a10a240030cdd9c32fc7f0)
  • Chunking: C=128, at most eight chunks, four diffusion-loss passes per trace
  • Memory objective: reconstruct the preceding completed chunk from the four memory slots, auxiliary weight 0.05
  • Gradient routing: the next-chunk task loss is detached at the preceding memory writer; reconstruction loss trains the writer
  • Prompt dropout: 0.3 Bernoulli per trace
  • Optimization: LR 2e-5, batch size 1, eight MI355X GPUs, seed 42
  • Matched GSM8K gate (200 examples): carry 106/200 (53.0%), reset 86/200 (43.0%)
  • Date uploaded: 2026-09-03

The saved config records d1_detach_primary_register_bridge=true, d1_aux_recon_loss=true, d1_aux_recon_weight=0.05, and num_registers=4.

How to load

from transformers import AutoModel, AutoTokenizer

repo = "albertge/llada-8b-dllm-memory-tokens-mix60k-recon-w005"
model = AutoModel.from_pretrained(repo, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)

This diffusion checkpoint requires the project evaluator for chunked carry inference; a standard autoregressive generation pipeline is not sufficient. See eval/eval.py. Key flags are --num_registers 4 --front_registers --channel_mode registers --tail_length 0 --use_mask_token_for_registers --use_register_carryover.

Repository

Training and evaluation code: https://github.com/SprocketLab/dllm-registers

Citation

@misc{ge2026register,
  title  = {Register Tokens for Bounded-State Reasoning in Diffusion Language Models},
  author = {Albert Ge and Chandan Singh and Yufan Zhuang and Xiaodong Liu and Jianfeng Gao and Frederic Sala},
  year   = {2026},
  note   = {Preprint},
  url    = {https://huggingface.co/papers/2609.16372}
}

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
LLaDAModelLM
Ревизия весов
2caea60

0 моделей