/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,5 млрд
Лицензия
MIT
Архитектура
gla · dense
Библиотека
transformers
Опубликована
31 мар 2024

gla-1.3B-100B

Генерация текстаТекст → текст3 профессии

Плотная языковая модель Gated Linear Attention примерно на 1,3 млрд параметров для генерации текста на английском языке.

5 110скачиваний за 30 дней2лайкавеса обновлены9 сен 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

GLA 1.3B-100B — языковая модель с плотной архитектурой Gated Linear Attention, представленная в работе «Gated Linear Attention Transformers with Hardware-Efficient Training». Это вариант примерно с 1,3 млрд параметров, обученный на 100 млрд токенов; в метаданных указано 1,5 млрд параметров. Модель предназначена для генерации текста и загружается через библиотеку Hugging Face Transformers.

Модель принимает текст и генерирует текст. В карточке указаны английский язык и контекст длиной 2048 токенов. В качестве обучающих данных для модели семейства указан датасет SlimPajama-627B. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README отсылает к статье и официальному коду, но не приводит оценок качества или подробных рекомендаций по применению.

Сценарии применения

  • генерация продолжения текста
  • написание черновиков на английском языке
  • создание текстовых примеров для экспериментов
  • изучение генерации текста с архитектурой Gated Linear Attention

Ограничения

Контекст модели ограничен 2048 токенами. В README не приведены результаты бенчмарков или сведения о качестве на конкретных задачах.

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

GLA 1.3B-100B

This repository contains the gla-1.3B-100B model, a 1.3B parameter variant trained on 100B tokens, which was presented in the paper Gated Linear Attention Transformers with Hardware-Efficient Training.

Usage

This model can be easily loaded and used for text generation tasks with the Hugging Face transformers library:

from transformers import AutoTokenizer, AutoModelForCausalLM

# Load the tokenizer and model
model_id = "fla-hub/gla-1.3B-100B"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

# Example for text generation
prompt = "Hello, my name is"
inputs = tokenizer(prompt, return_tensors="pt")

# Generate text
outputs = model.generate(**inputs, max_new_tokens=50, do_sample=True, top_k=50, top_p=0.95, temperature=0.7)
generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

print(generated_text)

Paper and Citation

If you find this work useful, please consider citing the original paper:

Gated Linear Attention Transformers with Hardware-Efficient Training

@article{li2025systematic,
  title={Gated Linear Attention Transformers with Hardware-Efficient Training},
  author={Songlin Yang, Bailin Wang, Yikang Shen, Rameswar Panda, Yoon Kim},
  journal={arXiv preprint arXiv:2312.06635},
  year={2023},
}

Code

The official codebase for the models and research, including training scripts and other checkpoints, can be found on GitHub:

https://github.com/fla-org/flash-linear-attention

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура gla неизвестна transformers в образе рантайма.

Класс архитектуры
GLAForCausalLM
Ревизия весов
46b1582

0 моделей