/ Модель

Характеристики

Контекст
1 024 токена
Параметры
23,5 млн
Лицензия
MIT
Архитектура
haru_dense · dense
Библиотека
transformers
Опубликована
30 сен 2026

haru_3-student-base

Генерация текстаТекст → текст3 профессии

Компактная корейская авторегрессионная модель для продолжения детских историй и другого короткого текста.

228скачиваний за 30 дней0лайковвеса обновлены30 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

Haru v3 student-base — компактная авторегрессионная языковая модель семейства Haru Dense, разработанная alice-noa-chan. В метаданных указано 23,5 млн параметров, а в README — 13 688 705; контекстное окно составляет 1024 токена. Архитектура использует полное причинное внимание, QK RMSNorm, SwiGLU и инкрементальный KV-кэш; веса сохранены в формате safetensors и FP32.

Модель предназначена прежде всего для продолжения корейских детских историй. Она обучалась на 480 509 952 токенах; отбор чекпойнта основывался на проверке историй, хотя общие языковые корпуса поддерживают беглость текста. Это базовая версия без chat fine-tuning, поэтому она продолжает текст, а не рассчитана на диалоговый шаблон. Модель можно использовать для короткой генерации на корейском языке в пределах общего лимита 1024 токена на вход и генерацию. Лицензия весов и включённого исходного кода — MIT.

В README указано, что обучение и итоговая оценка завершены, и приведён результат проверки историй BPC 0,949. Модель выбрана среди двух студенческих архитектур по скорости генерации на CPU, но оценка основана на одном seed и не измеряет разброс между запусками. Обучающие корпуса не опубликованы, а утверждений о превосходстве над сопоставимыми моделями автор не делает.

Сценарии применения

  • продолжение корейских детских историй
  • генерация коротких рассказов на корейском языке
  • завершение корейского предложения или абзаца
  • локальная генерация текста на CPU

Ограничения

Контекст ограничен 1024 токенами, а модель является базовой версией без диалоговой настройки. Оценка выбора архитектуры проведена на одном seed; обучающие корпуса не опубликованы.

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

alice-noa-chan/haru_3-student-base

Haru v3 student-base: 13,688,705 parameters, context 1024, full causal attention, QK RMSNorm, SwiGLU and an incremental KV cache. FFNs are independent per layer; linear adapter rank: 0. Training tokens: 480,509,952. Full FP32 weights are preserved. Variant: non-it. This is the compact student model. This model is trained for Korean children's-story continuation. General-language corpora support fluency, but story validation drives checkpoint selection.

Source: alice-noa-chan/haru. Public implementation commit: 11f7c7bddfad1fb92234bc175ffb70499f39616e. Teacher/student training uses the same tokenizer. No new external LLM data, teacher logits or pretrained model weights were used. Existing synthetic corpora were reused. Training corpora are not distributed with this model.

from transformers import AutoModelForCausalLM, AutoTokenizer
repo = 'alice-noa-chan/haru_3-student-base'
tokenizer = AutoTokenizer.from_pretrained(repo, revision='gated8-13m', trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, revision='gated8-13m', trust_remote_code=True).eval()
inputs = tokenizer("작은 마을에 아침이 찾아왔어요.", return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=120, use_cache=True)
print(tokenizer.decode(out[0], skip_special_tokens=True))

IT (chat) checkpoints also support tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt", return_dict=False). Base checkpoints continue text and are non-IT. Input plus generation must fit 1024 tokens.

Model weights and included source code are licensed under MIT (see LICENSE). Training-source records and raw corpora are kept outside the public release.

Validation Story BPC: 0.9490010008100048. Public benchmark comparisons and limitations are documented in the source repository. No claim of being the strongest under 18M is made without matching evidence.

Training and final test evaluation are complete. See evaluation.json for measurements and fixed continuations.

Tokenizer compatibility fix: implementation. Chat inputs include the training BOS token; skip_special_tokens=True removes role boundaries under Transformers 4 and 5. Trained weights are unchanged.

Released models and student candidates

Two students were compared at exactly 13,688,705 parameters and 500,039,680 completed distillation tokens each. Both are publicly available.

ModelRoleRepository
Gated8-13mSelected student, non-ITharu_3-student-base
Gated8-13m ITIT version of the selected studentharu_3-student-chat
PairShare8-r48Unselected experimental student, non-ITharu_3-student-pairshare-base
Teacher baseFrozen non-IT teacherharu_3-teacher-base
Teacher ITFrozen IT teacherharu_3-teacher-chat

PairShare shares each SwiGLU FFN across two adjacent layers and adds a rank-48 linear residual adapter per layer. Its attention layers and KV caches remain independent. Gated8 uses independent FFNs with width 512; PairShare uses width 960.

CandidateValidation story BPC (lower is better)Training-host CPU generation, 4 threads
PairShare8-r480.94583493.28 tokens/s
Gated8-13m0.949001110.63 tokens/s

The paired document-bootstrap 95% interval for PairShare minus Gated validation BPC was [-0.009002, 0.003038], including zero. The predeclared selection rule therefore chose the faster CPU model, Gated8-13m. Test scores did not drive selection. This is one training seed; the bootstrap does not measure variation between training seeds. PairShare is preserved for architecture experiments; no PairShare IT checkpoint was trained.

See the Haru collection, training instructions, and completed evaluation.

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
HaruDenseForCausalLM
Ревизия весов
5305e55

0 моделей