/ 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-chat

Генерация текстаТекст → текст3 профессии

Компактная корейская чат-модель Haru v3 для продолжения детских сказок и генерации текста.

215скачиваний 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-chat — компактная разговорная языковая модель семейства Haru, разработанная alice-noa-chan. Она предназначена прежде всего для продолжения корейских детских сказок в формате чата; общие языковые данные также поддерживают связность ответов. Модель использует плотную причинную архитектуру HaruDenseForCausalLM с полной causal attention, QK RMSNorm, SwiGLU и инкрементальным KV-кэшем. В карточке README указано 13 688 705 параметров, а метаданные каталога сообщают 23,5 млн; контекст — 1 024 токена.

Это IT-вариант выбранной компактной студенческой модели. README описывает дистилляционное обучение студента, при этом внешние веса предварительно обученных моделей, логиты учителя и новые данные внешних LLM не использовались. Модель принимает текстовые сообщения и генерирует текст; указана поддержка корейского языка. Веса и исходный код распространяются по лицензии MIT. Данные обучения не входят в публичную поставку.

Сценарии применения

  • продолжение корейских детских сказок
  • написание коротких историй по запросу на корейском языке
  • генерация диалоговых текстовых ответов на корейском языке

Ограничения

Контекст модели ограничен 1 024 токенами, включая вход и генерацию. Выбор чекпойнта ориентирован на валидацию сказок; README не приводит оснований считать её сильной универсальной моделью.

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-chat

Haru v3 student-chat: 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: 10,092,544. Full FP32 weights are preserved. Variant: 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-chat'
tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True).eval()
inputs = tokenizer.apply_chat_template(
    [{"role": "user", "content": "토끼가 친구를 만나는 동화를 이어 써 주세요."}],
    add_generation_prompt=True, return_tensors="pt", return_dict=True,
)
out = model.generate(**inputs, max_new_tokens=120, use_cache=True)
print(tokenizer.decode(out[0, inputs["input_ids"].shape[1]:], 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: 1.0263175861794789. 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.

IT inference example

import torch
messages = [{"role": "user", "content": "토끼가 친구를 만나는 동화를 이어 써 주세요."}]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, return_tensors="pt", return_dict=True
)
with torch.inference_mode():
    out = model.generate(**inputs, max_new_tokens=120, do_sample=True, temperature=0.8, top_p=0.9, use_cache=True)
print(tokenizer.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

For GPU inference, move model and inputs to cuda. Input plus generated length must fit 1,024 tokens.

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.

This experimental IT model remains weak at generalization: 53/70 exact matches for familiar entities/templates, 7/70 with new entities, and 0/70 when both entities and templates change. Actual chat-formatted fixed stories still lose objects, promises and event continuity; see the saved examples in evaluation.json.

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
651bf73

0 моделей