/ Модель

Характеристики

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

llada-8b-dllm-registers-mix60k-t4

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт LLaDA-8B для генерации текста с четырёхтокенным каналом переноса состояния при математическом и программном рассуждении.

291скачиваний 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

Это экспериментальный чекпойнт LLaDA-8B-Base, дообученный в проекте dLLM Registers для рассуждений с ограниченным состоянием в диффузионных языковых моделях. Модель использует хвост из четырёх дискретных токенов Markovian-Thinking как канал переноса состояния между окнами денойзинга; обучение проводилось с размером блока 128 токенов.

Чекпойнт обучен на 60 тысячах примеров из OpenMathInstruct-2 и OpenCodeInstruct. Он предназначен для генерации текста с пошаговым переносом состояния в задачах математического рассуждения и программирования. Для корректного инференса требуется учитывать параметры канала: ноль register-токенов, режим tail и длину хвоста 4.

Модель построена на плотной архитектуре LLaDA и содержит 8 млрд параметров; исходная модель использует диффузионную генерацию текста. Карточка указывает английский язык и лицензию Apache-2.0. Это исследовательский чекпойнт для оценки подхода к переносу состояния; качество за пределами описанного обучения и настройки канала не установлено.

Сценарии применения

  • генерация решений математических задач с переносом состояния между блоками
  • генерация и дополнение кода с блочным рассуждением
  • исследование ограниченного переноса состояния в диффузионных языковых моделях

Ограничения

Для корректного инференса нужно настроить канал переноса состояния: режим tail, длину хвоста 4 и ноль register-токенов. Чекпойнт обучен на ограниченной выборке из математических и программных примеров; качество в других задачах не описано.

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-t4

Paper: Register Tokens for Bounded-State Reasoning in Diffusion Language Models

LLaDA-8B-Base finetuned with a discrete 4-token Markovian-Thinking tail as the inter-block carry channel.

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: tab:main_triad (main triad, LLaDA Markovian Thinking arm)
  • Carry channel: discrete Markovian-Thinking tail (channel_mode=tail, num_registers=0, tail_length=4)
  • Base model: GSAI-ML/LLaDA-8B-Base
  • Training data: mix60k (OpenMathInstruct-2 + OpenCodeInstruct, 60K examples)
  • Training config: SFT/amlt/chunked_sft_mix60k_c128_llada_noresid_bonete54.yaml
  • Chunk size: C = 128 tokens
  • Prompt dropout rate (Bernoulli per-trace CSG mask): 0.0
  • Date uploaded: 2026-06-13

How to load

from transformers import AutoModel, AutoTokenizer
model = AutoModel.from_pretrained("albertge/llada-8b-dllm-registers-mix60k-t4", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("albertge/llada-8b-dllm-registers-mix60k-t4", 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 0 --channel_mode tail --tail_length 4

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
ed7fa46

0 моделей