/ 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_Preanneal

Генерация текстаТекст → текст3 профессии

Исследовательский контрольный MoE-чекпойнт AllenAI для генерации текста и изучения того, можно ли сформировать модульность после предварительного обучения.

341скачиваний 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

StdMoE_1b14b_1T_Preanneal — исследовательский контрольный чекпойнт стандартной модели типа Mixture-of-Experts, выпущенный Allen Institute for AI вместе с работой EMO: Pretraining Mixture of Experts for Emergent Modularity. Он служит начальной точкой эксперимента EMO-anneal: полностью предварительно обученную стандартную MoE-модель затем используют для проверки, можно ли сформировать модульность дообучением по цели EMO.

В модели 574,6 млн параметров по метаданным каталога; карточка описывает конфигурацию как 1 млрд активных и 14 млрд общих параметров, с 128 экспертами (127 маршрутизируемых и одним общим) и восемью активными экспертами на токен. Модель обучена на 1 трлн токенов набора OLMoE-mix-0924 без последующего annealing. Она генерирует текст, поддерживает английский язык, имеет контекст 4096 токенов и загружается в формате safetensors через Transformers.

Чекпойнт предназначен прежде всего для воспроизведения и изучения эксперимента, а не позиционируется как готовый универсальный чат-помощник. Лицензия — Apache-2.0. Выводы об эффективности или качестве генерации в карточке не приведены.

Сценарии применения

  • воспроизведение эксперимента EMO-anneal
  • исследование модульности в Mixture-of-Experts
  • сравнение стандартного MoE с моделями, обученными по цели EMO
  • эксперименты с генерацией английского текста

Ограничения

Карточка не приводит оценок качества и не описывает ограничения генерации; чекпойнт представлен как исходная точка исследовательского эксперимента. Контекст составляет 4096 токенов.

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_Preanneal

The pre-annealing checkpoint of the standard MoE baseline, released alongside EMO: Pretraining Mixture of Experts for Emergent Modularity. It is the starting point for the EMO-anneal experiment in Appendix B.4 of the paper, in which a fully-pretrained standard MoE is annealed under the EMO objective to test whether modularity can be induced after pretraining.

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. No annealing applied.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "allenai/StdMoE_1b14b_1T_Preanneal"
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
d2a4949

0 моделей