/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,1 млрд
Размер весов
5,7 ГБ
Лицензия
Apache 2.0
Архитектура
gidd · dense
Библиотека
transformers
Опубликована
14 дек 2025

gidd-mask-3b

Генерация текстаТекст → текст3 профессии

Базовая англоязычная модель дискретной диффузии с маскированием на 3,1 млрд параметров для генерации текста и продолжения промптов.

555скачиваний за 30 дней0лайковвеса обновлены16 дек 2025

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

dvruette/gidd-mask-3b — базовая языковая модель на 3,1 млрд параметров, разработанная авторами исследования «Scaling Behavior of Discrete Diffusion Language Models». Она использует плотную архитектуру GiddForDiffusionLM и дискретную диффузию с маскированием. Модель обучена на случайной подвыборке Nemotron-CC без фильтрации качества; для токенизации применяется BPE-токенизатор.

Модель предназначена для генерации текста и продолжения заданного фрагмента: обучение с частично не зашумлённым контекстом поддерживает условную генерацию. В карточке указаны английский язык и контекст длиной 2048 токенов. В опубликованной оценке проверялись задачи на понимание прочитанного, рассуждение и ответы на вопросы; приведённые результаты показывают ограниченную эффективность на математических задачах.

Это базовая, а не инструкционная модель, поэтому она может воспроизводить предвзятость и токсичный или вредоносный контент из обучающих данных. Для математики и программирования качество ограничено отсутствием специализированных данных в обучении. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение англоязычного текста по промпту
  • эксперименты с дискретными диффузионными языковыми моделями
  • оценка языковых моделей на задачах понимания и рассуждения

Ограничения

Модель может воспроизводить предвзятость и токсичный или вредоносный контент из веб-данных. В опубликованной оценке результаты по математике ограничены; специального обучения математике и программированию не проводилось.

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

Scaling Behavior of Discrete Diffusion Language Models

Dimitri von Rütte, Janis Fluri, Antonio Orvieto, Omead Pooladzandi, Bernhard Schölkopf, Thomas Hofmann


This repository contains the model checkpoints from the paper "Scaling Behavior of Discrete Diffusion Language Models".

In our paper, we investigate the scaling behavior of discrete diffusion language models (DLMs) for different noise types (masking, uniform, and hybrid-noise), finding that all of them scale well in compute-bound settings and especially in token-bound settings, with uniform noise coming out on top for the latter. To confirm these findings, we train scaled-up models to compute optimality. Specifically, we train two 3B models (masked and uniform diffusion) as well as a 10B parameter uniform diffusion model, which, to the best of our knowledge, is the largest public uniform diffusion model to date.

ModelSizeTrain. PPLDiffusion typeHuggingFace Link
gidd-unif-10b10B9.15uniformhttps://huggingface.co/dvruette/gidd-unif-10b
gidd-mask-3b3B11.3maskedhttps://huggingface.co/dvruette/gidd-mask-3b
gidd-unif-3b3B11.7uniformhttps://huggingface.co/dvruette/gidd-unif-3b

Quick Start

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

device = "cuda" if torch.cuda.is_available() else "cpu"
model_name = "dvruette/gidd-mask-3b"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True, torch_dtype=torch.bfloat16)
model.eval().to(device)

prompt = "In a shocking finding, scientist discovered a herd of unicorns living in a remote, previously unexplored valley, in the Andes Mountains. Even more surprising to the researchers was the fact that the unicorns spoke perfect English."
inputs = tokenizer(prompt, return_tensors="pt", add_special_tokens=True).input_ids[:, :-1].to(device)

generated_ids = model.generate(
    inputs=inputs,
    max_length=128,
    block_length=128,
    steps=256,
    sampling_method="adaptive",
    temperature=0.0,
    show_progress=True,
)

print(tokenizer.batch_decode(generated_ids, skip_special_tokens=False)[0])

Training

  • This model is trained on diffusion language modeling with either masking or uniform noise. During pre-training, 20% of sequences had a random fraction of the context unperturbed, making this model capable of conditional generation (prompt completion).
  • The training data is a random subset of Nemotron-CC without quality filtering.
  • The tokenizer is a BPE tokenizer trained on a 256 GB subset of Nemotron-CC using the HF tokenizers library.
  • Please refer to the paper for further training details.

Evaluation

Benchmarks run with lm-evaluation-harness on ARC-E, ARC-C, WinoGrande, PIQA, OpenBookQA, BoolQ, GSM8k; likelihood-based multiple-choice except GSM8k.

ModelTrain FLOPsARC-EARC-CWinoGPIQAOBQABoolQGSM8k
gidd-mask-3b1e2149.929.451.664.830.660.91.67
gidd-unif-3b1e2150.629.451.163.528.856.42.05
gidd-unif-10b1e2261.835.755.566.332.860.32.43

Risks and limitations

  • This is a base model trained on Nemotron-CC, a large-scale web corpus. Due to this, it can reproduce social biases and generate toxic or harmful content.
  • Performance on math/coding is limited in the reported setup due to lack of dedicated math/coding data.

Citation

@article{von2025scaling,
  title={Scaling Behavior of Discrete Diffusion Language Models},
  author={von R{\"u}tte, Dimitri and Fluri, Janis and Pooladzandi, Omead and Sch{\"o}lkopf, Bernhard and Hofmann, Thomas and Orvieto, Antonio},
  journal={arXiv preprint arXiv:2512.10858},
  year={2025}
}

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
GiddForDiffusionLM
Ревизия весов
63f1df5

0 моделей