/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
110 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 сен 2026

JugnuLM-110M

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная базовая языковая модель для продолжения текста и исследований компактных LLM.

42скачиваний за 30 дней0лайковвеса обновлены6 сен 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

JugnuLM-110M — базовая языковая модель на 109,7 млн параметров, разработанная altslate и обученная с нуля на примерно 8 млрд токенов набора FineWeb-Edu. Это плотная авторегрессионная модель с декодером в стиле Qwen3: 23 слоя, группированные запросы и ключи (GQA), RoPE, SwiGLU, RMSNorm и QK-Norm. Контекст составляет 2048 токенов.

Модель предназначена для генерации и продолжения англоязычного текста, а также для исследований небольших языковых моделей и сравнения архитектурных решений. В оценках lm-evaluation-harness показала 81,25% на BLiMP, 52,48% на ARC-Easy и байтовую perplexity 1,95 на WikiText-2. Это базовая модель без дообучения на инструкции или выравнивания поведения; качество рассуждений ограничено, возможны повторы. По карточке модель рассчитана на английский язык и не предназначена для production. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычных текстов
  • генерация коротких текстовых фрагментов
  • оценка небольших языковых моделей на BLiMP и ARC-Easy
  • исследование влияния глубины архитектуры на качество компактных LLM

Ограничения

Модель не настроена на выполнение инструкций и не выровнена; рассуждения в несколько шагов ограничены, иногда возникают повторы. Рассчитана на английский язык и не предназначена для производственного использования.

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

JugnuLM-110M

A 109.7M parameter, deep-and-thin language model pretrained from scratch on ~8B tokens of FineWeb-Edu. It is the larger sibling of JugnuLM-53M and the baseline rung of an ongoing ablation study on what improves sub-150M models. Jugnu (जुगनू) = firefly.

Same deliberately conventional recipe as the 53M — Qwen3-style decoder (GQA, RoPE, SwiGLU, RMSNorm) with built-in QK-Norm and a z-loss — but scaled to ~110M with a deep-thin geometry (23 layers × 576, per MobileLLM's depth-over-width finding).

Results & the 53M → 110M jump

Evaluated with EleutherAI lm-evaluation-harness:

MetricJugnuLM-53MJugnuLM-110MΔ
BLiMP (acc)78.1481.25+3.11
ARC-Easy (acc)51.4352.48+1.05
WikiText-2 byte-perplexity ↓2.041.95−0.09

The 81.25 BLiMP essentially matches GPT-X2-125M (81.28) — a top score on the sub-150M Tiny-ML Leaderboard — at ~12% fewer parameters and ~9× fewer training tokens (8B vs 75B). Depth + scale bought a clean, across-the-board gain over the 53M.

Reproduce:

lm_eval --model hf \
  --model_args pretrained=altslate/JugnuLM-110M,dtype=bfloat16 \
  --tasks blimp,arc_easy,wikitext --batch_size auto

Architecture

Params109.7M
Base architectureQwen3 (Llama-style + built-in QK-Norm)
Layers23 (deep-thin)
Hidden size576
Heads / KV heads9 / 3 (grouped-query attention)
Head dim64
FFN intermediate1536 (SwiGLU)
Context2048
Position / NormRoPE / RMSNorm + QK-Norm
Embeddingstied
TokenizerSmolLM2 (49,152 vocab)

Training

  • Data: HuggingFaceFW/fineweb-edu (sample-10BT), ~8B tokens seen, 2048-token blocks
  • Optimizer: AdamW (β 0.9/0.95, wd 0.1), grad clip 1.0
  • Schedule: cosine, 2k warmup, peak LR 1.5e-3 → floor 1.5e-4
  • Batch: ~0.5M tokens/step · Stability: QK-Norm + z-loss (1e-4)
  • Hardware: 4× NVIDIA RTX PRO 4500 Blackwell, bf16, DDP + torch.compile

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("altslate/JugnuLM-110M")
model = AutoModelForCausalLM.from_pretrained("altslate/JugnuLM-110M")
ids = tok("The theory of relativity was developed by", return_tensors="pt").input_ids
print(tok.decode(model.generate(ids, max_new_tokens=30, repetition_penalty=1.3)[0], skip_special_tokens=True))

Intended use & limitations

Research / leaderboard base model — not instruction-tuned or aligned. Fluent English continuation and reasonable factual recall for its size; limited multi-step reasoning, occasional repetition, English-only. Not for production.

Citation / attribution

Trained by AltSlate Labs. Recipe and training code: https://github.com/AltSlate-Labs/jugnu

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
69e9507

0 моделей