/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
4 мар 2026

transformer-1b-chat

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель на 1,1 млрд параметров для генерации ответов и ведения диалога.

187скачиваний за 30 дней0лайковвеса обновлены4 мар 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

Transformer-1B-Chat — англоязычная диалоговая языковая модель Divakar Yadav, обученная с нуля. Это плотный авторегрессионный трансформер в стиле LLaMA с 1,1 млрд параметров; обучение включало предварительное обучение, дообучение на диалогах и выравнивание предпочтений. Модель предназначена для генерации текста в формате чата и запуска через библиотеку Transformers.

Архитектура использует RoPE, групповое внимание GQA, SwiGLU и RMSNorm. Контекст — 2048 токенов; веса опубликованы в формате safetensors. Модель обучалась только на английских данных и может давать правдоподобные, но фактически неверные ответы; небольшой размер ограничивает глубину рассуждений, а настройка безопасности ограничена использованными данными UltraFeedback. Лицензия — Apache-2.0.

Сценарии применения

  • создание чат-бота на английском языке
  • генерация ответов на сообщения пользователя
  • разработка прототипа диалогового ассистента
  • эксперименты с обучением и выравниванием небольших языковых моделей

Ограничения

Из-за размера модель ограничена в глубине рассуждений и точности фактов, а её выравнивание по предпочтениям выполнено за один цикл. Она обучалась только на английских данных и не проходила широкую настройку безопасности.

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

Transformer-1B-Chat

A 1.1 billion parameter decoder-only language model trained entirely from scratch -- pretraining, supervised fine-tuning, and preference alignment -- on 8x NVIDIA H100 GPUs.

Model Details

PropertyValue
Parameters1,105,827,840 (1.1B)
ArchitectureLLaMA-style Decoder-only Transformer
Hidden Size2048
Intermediate Size5504 (SwiGLU)
Layers22
Attention Heads32 (Grouped Query Attention)
KV Heads8
Head Dim64
Max Sequence Length2048
Vocab Size32,003
PrecisionBFloat16

Architecture Highlights

  • RoPE (Rotary Position Embeddings) with theta=10,000
  • Grouped Query Attention (GQA) -- 4:1 query-to-KV head ratio for efficient inference
  • SwiGLU Feed-Forward Network
  • RMSNorm in a pre-norm configuration
  • Flash Attention 2 via PyTorch SDPA

Training Pipeline

This model was built through a complete 3-stage training pipeline:

Stage 1: Pretraining

DetailValue
DatasetHuggingFaceFW/fineweb-edu (sample-10BT)
Tokens Trained~20B tokens
Steps19,070
Duration~12.3 hours
OptimizerAdamW (lr=3e-4, betas=0.9/0.95, wd=0.1)
ScheduleWSD (Warmup-Stable-Decay), warmup=1000 steps
Batch Size512 sequences (8 GPUs x 8 micro x 8 grad accum)
Final Loss2.43
Throughput~338K tokens/sec

Stage 2: Supervised Fine-Tuning (SFT)

DetailValue
DatasetHuggingFaceH4/ultrachat_200k (207,865 conversations)
Steps3,240 (2 epochs)
Duration~52 minutes
OptimizerAdamW (lr=2e-5, cosine decay)
Batch Size256 sequences
Final Loss1.20

Stage 3: Direct Preference Optimization (DPO)

DetailValue
Datasetargilla/ultrafeedback-binarized-preferences-cleaned (60,917 pairs)
Steps952 (1 epoch)
Duration~14 minutes
OptimizerAdamW (lr=5e-7, cosine decay)
Beta0.1
Batch Size64 pairs
Final Loss0.49
Final Accuracy72.5% (chosen preferred over rejected)
Final Reward Margin0.84

Hardware

  • 8x NVIDIA H100 80GB HBM3
  • Distributed Strategy: PyTorch DDP (DistributedDataParallel)
  • Communication: NCCL
  • Mixed Precision: BF16 autocast
  • Total Training Time: ~13.5 hours (all 3 stages)

Chat Template

The model uses a simple chat template with special tokens:

<|user|>
Your message here
<|end|>
<|assistant|>
Model response here
<|end|>

Special Tokens

TokenIDPurpose
`<user>`
`<assistant>`
`<end>`

Limitations

  • 1.1B parameters -- smaller models have inherent limitations in reasoning depth and factual accuracy
  • Trained on English data only
  • May generate plausible-sounding but incorrect information
  • The DPO alignment is single-epoch; additional iterations could improve quality
  • Not safety-tuned beyond what the UltraFeedback dataset provides

Training Code

The full training code is open-sourced alongside this model.

model/
  config.py          # Model and training hyperparameters
  transformer.py     # Full transformer implementation from scratch
  data.py            # Pretraining data pipeline (FineWeb-Edu)
  sft_data.py        # SFT data pipeline (UltraChat)
  dpo_data.py        # DPO data pipeline (UltraFeedback)
train.py             # Pretraining script (DDP, 8-GPU)
train_sft.py         # SFT script
train_dpo.py         # DPO script
chat.py              # Interactive chat interface
export_to_hf.py      # Export to HuggingFace format

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c7cb2a6

0 моделей