/ 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-omi30k-t4

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт LLaDA-8B, дообученный на математических трассах для генерации текста с четырёхтокенным каналом переноса состояния.

31скачиваний за 30 дней0лайковвеса обновлены14 июн 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

albertge/llada-8b-dllm-registers-omi30k-t4 — экспериментальный чекпойнт проекта dLLM Registers, дообученный на базе GSAI-ML/LLaDA-8B-Base. Это плотная диффузионная языковая модель LLaDA с 8 млрд параметров для генерации текста; обучение проводилось методом SFT на примерно 30 тыс. математических трасс из поднабора OpenMathInstruct-2. Вариант использует четырёхтокенный хвост Markovian Thinking как канал переноса состояния между окнами денойзинга, размер окна составляет 128 токенов.

Модель рассчитана на генерацию ответов с математическими рассуждениями и оценку масштабирования числа слотов в диффузионных языковых моделях. Для корректного использования канала переноса состояния нужны указанные авторами режим tail и длина хвоста 4. В метаданных указан английский язык и библиотека Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация решений математических задач
  • создание пошаговых математических рассуждений
  • эксперименты с переносом состояния между окнами денойзинга
  • сравнение вариантов числа слотов в диффузионных языковых моделях

Ограничения

Обучение охватывает математические трассы, поэтому пригодность для других областей не установлена. Для корректной работы канала переноса состояния требуется режим tail с длиной хвоста 4.

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-omi30k-t4

Slot-count scaling sweep arm: 4-token Markovian Thinking tail, math-only training.

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: slot-count scaling figure (N=4 Markovian)
  • Carry channel: discrete Markovian-Thinking tail (channel_mode=tail, num_registers=0, tail_length=4)
  • Base model: GSAI-ML/LLaDA-8B-Base
  • Training data: OpenMathInstruct-2 subset of mix60k (~30K math traces, oci_python excluded)
  • Training config: SFT/amlt/chunked_sft_omi30k_scaling_round1_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-omi30k-t4", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("albertge/llada-8b-dllm-registers-omi30k-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
85e051a

0 моделей