/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
cfrd · dense
Библиотека
transformers
Опубликована
11 авг 2026

haru

Генерация текстаТекст → текст3 профессии

Компактная корейская языковая модель для продолжения историй по заданному тексту.

69скачиваний за 30 дней0лайковвеса обновлены15 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

Haru v1.0 — компактная языковая модель для продолжения корейских историй, разработанная на архитектуре CFRD. Она генерирует продолжение по заданному текстовому фрагменту и не предназначена для выполнения инструкций или работы в качестве диалогового помощника.

Модель содержит 6 793 363 параметра, использует причинную плотную архитектуру и контекст длиной 512 токенов. При инференсе доступны рекуррентные глубины 2, 4 и 6; качество на приведённой в карточке оценке улучшается с увеличением глубины. Для модели опубликованы более новые версии Haru v1.1 и Haru v2.0; эта версия сохранена для воспроизводимости и пользователей v1.0.

Модель рассчитана на генерацию корейского художественного текста. Длинные продолжения могут повторяться или терять согласованность персонажей и событий; Haru не подходит для фактических ответов и критически важных сценариев. Лицензия модели — MIT. Данные Tiny-Ko-Stories, использованные при обучении, распространяются отдельно по CC BY 4.0.

Сценарии применения

  • продолжение короткого рассказа на корейском языке
  • генерация следующего абзаца корейской истории
  • создание черновиков художественного текста на корейском
  • эксперименты с рекуррентной причинной языковой моделью

Ограничения

Модель не следует инструкциям и не подходит для фактических ответов или критически важных сценариев; длинные генерации могут повторяться и терять согласованность персонажей. Инференс не использует кэш, поэтому при генерации пересчитывается активный контекст.

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

Haru v1.0

Two newer releases are available. Haru v2.0 is the current model (17.0M parameters, KoBEST mean 0.469 against a chance mean of 0.450), and Haru v1.1 remains available.

v2.0 is a different architecture and tokenizer, and runs at recurrent depth 6 only, where v1.0 and v1.1 also support depths 2 and 4.

This repository remains available for reproducibility and existing v1.0 users.

Haru is a compact Korean story continuation model built with the custom CFRD causal architecture. It has 6,793,363 parameters and supports recurrent inference depths 2, 4, and 6.

Usage

Review the included Python files before enabling remote custom code.

from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL_ID = "gaon12/haru"
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(MODEL_ID, trust_remote_code=True)

inputs = tokenizer("작은 마을에 아침이 찾아왔어요.", return_tensors="pt")
output = model.generate(
    **inputs,
    max_new_tokens=120,
    do_sample=True,
    temperature=0.7,
    top_p=0.9,
    top_k=40,
    repetition_penalty=1.08,
    use_cache=False,
)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Model details

  • Parameters: 6,793,363
  • Context length: 512
  • Recurrent depths supervised during training: (2, 4, 6)
  • Exported checkpoint step: 6104
  • Training tokens seen: 800,063,488

Evaluation

Recurrent depthValidation lossPerplexity
22.3709610.708
42.060527.850
62.006307.436

Training data attribution

Tiny-Ko-Stories by psymon, licensed under CC BY 4.0. The dataset is not redistributed with this model.

Limitations

  • Haru is a continuation model, not an instruction-following assistant.
  • Longer generations can repeat ideas or drift between entities.
  • The model is not suitable for factual or safety-critical use.
  • There is no inference cache yet, so generation recomputes the active context.

License

Haru model weights and included code are released under the MIT License. The training dataset remains under its separate CC BY 4.0 license.

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
CFRDForCausalLM
Ревизия весов
3ef9085

0 моделей