/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
livemem · dense
Базовая модель
LiveMem-SFT
Библиотека
transformers
Опубликована
4 авг 2026

LiveMem-RL

Генерация текстаТекст → текст6 профессий

LiveMem-RL — дообученная методом обучения с подкреплением языковая модель на 3,7 млрд параметров для генерации текста и диалогов с длинным контекстом.

8 726скачиваний за 30 дней0лайковвеса обновлены4 авг 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

LiveMem-RL — языковая модель для генерации текста и диалогов, разработанная chen-l. Это чекпойнт LiveMem, обученный методом GRPO на основе chen-l/LiveMem-SFT: в каждом слое декодера выходы пути внимания Qwen3 и рекуррентного пути памяти Gated DeltaNet 2 (GDN2) складываются. Основной путь Qwen3 во время RL-обучения оставался замороженным, а путь памяти дообучался.

Модель содержит 3,7 млрд параметров и рассчитана на контекст до 262 144 токенов. Реализация использует custom model code и Triton-ядра GDN2, поэтому для инференса требуется среда CUDA; фактически доступная длина контекста зависит от видеопамяти и backend. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия Apache-2.0.

Сценарии применения

  • генерация ответов в диалоге
  • работа с длинными текстовыми контекстами
  • продолжение и составление текста

Ограничения

Для инференса требуется CUDA и поддержка пользовательского кода модели и Triton-ядер GDN2. Практически достижимая длина контекста зависит от объёма видеопамяти и используемого backend.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LiveMem-RL

LiveMem-RL is the reinforcement-learning checkpoint of LiveMem-4B-SFT. It uses a Qwen3 attention path in parallel with a Gated DeltaNet 2 (GDN2) recurrent memory path at every decoder layer:

layer output = Qwen3 attention output + GDN2 memory output

This checkpoint was trained with GRPO from chen-l/LiveMem-SFT. During RL, the Qwen3 main path remained frozen and the memory side path was updated. The configured maximum context length is 262,144 tokens; actual usable context depends on GPU memory and inference backend.

Transformers usage

LiveMem uses custom model code and GDN2 Triton kernels. A CUDA environment is required for inference.

pip install -r requirements.txt
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "chen-l/LiveMem-4B-RL"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    dtype=torch.bfloat16,
    device_map="auto",
)

messages = [{"role": "user", "content": "Answer using the supplied long context."}]
inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True,
).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

trust_remote_code=True is required because LiveMem is not a built-in Transformers architecture.

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
LiveMemForCausalLM
Ревизия весов
3402dca

0 моделей