/ Модель

Характеристики

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

llada-8b-dllm-registers-mix60k-r4-corrected

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная версия LLaDA-8B исследует перенос состояния между окнами денойзинга с помощью четырёх register-токенов при генерации текста.

316скачиваний 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

Экспериментальный чекпойнт LLaDA-8B, созданный в проекте dLLM Registers на основе GSAI-ML/LLaDA-8B-Base. Модель дообучена на 60 тысячах примеров из OpenMathInstruct-2 и OpenCodeInstruct; она использует четыре непрерывных register-токена как ограниченный канал переноса состояния между окнами денойзинга. Размер чанка — 128 токенов.

Чекпойнт предназначен для генерации текста с переносом состояния при поэтапном декодировании, в частности для проверки подхода bounded-state reasoning на математических и программных примерах. Для корректного использования канала регистров автор рекомендует загрузку через Transformers и параметры `num_registers=4`, `channel_mode=registers`, `tail_length=0` и `use_mask_token_for_registers`. Модель доступна по лицензии Apache-2.0.

Это исследовательский экспериментальный вариант, описанный как baseline для валидации протокола; README не приводит результатов качества. Для работы с регистровым каналом нужны указанные параметры и совместимый код оценивания.

Сценарии применения

  • генерация текста с переносом состояния между чанками
  • эксперименты с bounded-state reasoning в диффузионных языковых моделях
  • генерация ответов на математические задачи
  • генерация и дополнение программного кода

Ограничения

Для корректной работы с переносом состояния требуются четыре регистра, режим `registers`, нулевая длина хвоста и совместимый код оценивания. README не приводит результатов качества модели.

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-registers-mix60k-r4-corrected

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

Corrected matched-protocol LLaDA-8B R4 baseline trained on MI355X with 4 continuous register slots.

This checkpoint is part of the dLLM Registers project — register tokens as a bounded, trained, continuous channel for carrying decoding state across denoising windows in diffusion language models.

  • Paper section: ICLR 2027 matched register-versus-memory validation
  • Carry channel: continuous register tokens (channel_mode=registers, num_registers=4, tail_length=0)
  • Base model: GSAI-ML/LLaDA-8B-Base
  • Training data: mix60k (OpenMathInstruct-2 + OpenCodeInstruct, 60K examples; source SHA-256 58115f6be4bad1c635f3cdc28a57ee83305d38bb82a10a240030cdd9c32fc7f0)
  • Training config: SFT/slurm/p4_memory_pilot_rocm.sbatch
  • Chunk size: C = 128 tokens
  • Prompt dropout rate (Bernoulli per-trace CSG mask): 0.3
  • Training semantics: Primary register carry is not detached, auxiliary reconstruction is disabled, and all four slots are trained only by the next-chunk task objective. The saved config records d1_detach_primary_register_bridge=false and d1_aux_recon_loss=false.
  • Date uploaded: 2026-09-02

How to load

from transformers import AutoModel, AutoTokenizer
model = AutoModel.from_pretrained("albertge/llada-8b-dllm-registers-mix60k-r4-corrected", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("albertge/llada-8b-dllm-registers-mix60k-r4-corrected", trust_remote_code=True)

To use the carry channel correctly at inference, see the evaluator at eval/eval.py and the wrapper eval/run_mix60k_full_eval.sh. Key flags for this checkpoint: --num_registers 4 --channel_mode registers --tail_length 0 --use_mask_token_for_registers

Repository

Training and eval code: https://github.com/lbertge/d1-registers

Citation

If you use this checkpoint, please cite the dLLM Registers paper:

@misc{dllm-registers-2026,
  title  = {Register Tokens for Unbounded Reasoning in Diffusion Language Models},
  author = {Albert Ge and collaborators},
  year   = {2026},
  note   = {Preprint},
  url    = {https://github.com/lbertge/d1-registers}
}

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
438f4bc

0 моделей