/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
575 млн
Размер весов
54,3 ГБ
Лицензия
Apache 2.0
Архитектура
emo · MoE
Библиотека
transformers
Опубликована
5 мая 2026

StdMoE_1b14b_1T_EmoAnnealed

Генерация текстаТекст → текст3 профессии

Экспериментальная MoE-языковая модель Allen Institute for AI для генерации текста и исследования формирования модульности после предварительного обучения.

352скачиваний за 30 дней5лайковвеса обновлены9 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

StdMoE1b14b1TEmoAnnealed — экспериментальный чекпойнт Allen Institute for AI, выпущенный вместе с работой «EMO: Pretraining Mixture of Experts for Emergent Modularity». Это разреженная языковая модель с архитектурой Mixture-of-Experts: 128 экспертов, из которых 127 маршрутизируемых и один общий; для каждого токена активируются восемь экспертов. Метаданные указывают 574,6 млн параметров и контекст 4096 токенов.

Модель предварительно обучена на 1 трлн токенов смеси OLMoE, а затем дополнительно обучена на 50 млрд токенов с ограничением пула экспертов на уровне документа. Этот вариант, названный EMO-anneal, исследует, можно ли сформировать модульность после предварительного обучения, а не во время него. Он предназначен для экспериментов с генерацией текста и изучения модульности MoE; метаданные также отмечают диалоговую возможность и английский язык. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация продолжений текста на английском языке
  • эксперименты с диалоговой генерацией
  • исследование модульности в языковых моделях MoE
  • сравнение обучения MoE с ограничением пула экспертов на уровне документа

Ограничения

Это абляционный исследовательский чекпойнт, предназначенный для изучения конкретного режима обучения; README не приводит оценок качества или рекомендаций для прикладного использования. Контекст модели ограничен 4096 токенами.

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

StdMoE_1b14b_1T_EmoAnnealed

The ablation checkpoint released alongside EMO: Pretraining Mixture of Experts for Emergent Modularity — referred to as EMO-anneal in Appendix B.4 / Table 3 of the paper.

1B-active / 14B-total parameter Mixture-of-Experts model (128 experts: 127 routed + 1 shared, k=8 active per token) pretrained on 1T tokens of the OLMoE pretraining mix with the standard MoE objective, then annealed for an additional 50B tokens under the EMO document-level expert pool constraint. Used to test whether modularity can be induced after pretraining instead of during it.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "allenai/StdMoE_1b14b_1T_EmoAnnealed"
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

inputs = tokenizer(["Language modeling is "], return_tensors="pt", return_token_type_ids=False)
out = model.generate(**inputs, max_new_tokens=100, do_sample=True, temperature=1.0, top_p=0.7)
print(tokenizer.batch_decode(out, skip_special_tokens=True)[0])

Citation

@article{wang2026emo,
  title  = {EMO: Pretraining Mixture of Experts for Emergent Modularity},
  author = {Wang, Ryan and Bhagia, Akshita and Min, Sewon},
  year   = {2026},
  url    = {https://arxiv.org/abs/2605.06663}
}

License

This model is licensed under Apache 2.0. It is intended for research and educational use in accordance with Ai2's Responsible Use Guidelines

Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
EmoForCausalLM
Ревизия весов
d18c640

0 моделей