/ Модель

Характеристики

Параметры
38,5 млн
Архитектура
t5la · dense
Базовая модель
t5-base
Библиотека
transformers
Опубликована
27 янв 2025

T5LA

Генерация текстаТекст → текст3 профессии

T5LA — экспериментальная модель на базе T5, обученная предсказывать несколько будущих токенов для приближённого ранжирования текстовых продолжений.

75скачиваний за 30 дней0лайковвеса обновлены1 сен 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

T5LA — экспериментальная текстовая модель автора hrezi, представленная в работе «Interactive Text Games: Lookahead Is All You Need!». Это вариант архитектуры T5, дообученный на базе google-t5/t5-base на выборке HuggingFaceFW/fineweb sample-10BT; в метаданных указано 38,5 млн параметров. Модель обучена предсказывать несколько будущих токенов по исходному контексту, что предназначено для приближённого ранжирования возможных продолжений или ответов по их вероятности.

Модель не обучалась на инструкциях или отзывах людей. Для генерации следует использовать только предсказание ближайшего токена: предсказания более дальних токенов не учитывают взаимозависимость между ними. Автор также сообщает о снижении качества предсказания ближайшего токена из-за многокомпонентной функции потерь. Для загрузки требуется специальная ветка Transformers с реализацией T5LA; сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • Приближённое ранжирование возможных текстовых ответов по вероятности токенов
  • Оценка правдоподобия продолжений по заданному контексту
  • Эксперименты с предсказанием нескольких будущих токенов в языковой модели

Ограничения

Предсказания дальних токенов не учитывают взаимозависимость токенов и потому плохо подходят для генерации; качество предсказания ближайшего токена также снижено. Для загрузки нужна специальная ветка Transformers с поддержкой T5LA.

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

T5LA

This model is part of the work published in the paper Interactive Text Games: Lookahead Is All You Need!

Four models are introduced in the above paper:

These models are implemented in this repository which is a customized version of nanoGPT.

The same variations are also implemented in this fork of Transformers library, on top of Google-t5/T5 implementation. These models are also trained and published as follows:

All the above models are on the scale of GPT2 (~100M parameters). The work is in progress to train them on larger scales.

Model description

This model is not fine-tuned on any instruction or human feedback datasets. It is just pre-trained on the HuggingFaceFW/fineweb sample-10BT dataset. It achieves the following results on the evaluation set:

  • Loss: 5.5467
  • Accuracy: 0.0322

Since the above fork is not merged into the main Transformers library yet, if you need to load it with AutoModel.from_pretrained(), you need to first install Transformers from this branch, which contains the code for T5LA models. This can be done by:

pip install git+https://github.com/HRezaei/transformers.git@feature/lookahead_models

Intended uses & limitations

The model is designed to predict not only the next immediate token after the prompt (which normal LLMs do), but also to predict the second, third, ..., up to K next tokens, conditioned on the prompt. These future predictions can be useful for approximated ranking, where a set of potential responses are needed to be ranked based on the approximated probability of their tokens conditioned on the prompt, rather than conditioned on their previous tokens.

The main limitation is that future predictions are generaly not suitable for generating text, as they don't consider token interdependencies, i.e. the future tokens are not conditioned on the previous tokens. Thus, for generation, one should rely only on the next immediate token. However, the quality of next immediate token prediction is also degraded, because during training, the loss function has more terms to minimize (one term for next immediate token like original LLMs, and one extra term per each future tokens).

Training and evaluation data

This model is not fine-tuned on any instruction or human feedback datasets. It is just pre-trained on the HuggingFaceFW/fineweb sample-10BT dataset. It achieves the following results on the evaluation set:

  • Loss: 5.5467
  • Accuracy: 0.0322

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • total_train_batch_size: 16
  • total_eval_batch_size: 16
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • training_steps: 200000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepAccuracyValidation Loss
9.40560.0110000.04359.1215
8.40620.0220000.04438.1939
7.73070.0330000.04447.6024
7.390.0440000.04447.3338
7.25460.0550000.04417.2452
7.19850.0660000.03697.1682
7.10090.0770000.03467.0718
7.0040.0880000.03326.9778
6.91590.0990000.03256.8964
6.85480.1100000.03256.8307
6.78330.11110000.03266.7702
6.73760.12120000.03376.7163
6.68210.13130000.03466.6615
6.63730.14140000.03496.6086
6.58950.15150000.03446.5569
6.54210.16160000.03546.5119
6.50510.17170000.03556.4678
6.43910.18180000.03606.4324
6.42420.19190000.03556.4015
6.38890.2200000.03736.3553
6.36310.21210000.03676.3285
6.32960.22220000.03696.3015
6.30810.23230000.03646.2699
6.27840.24240000.03706.2454
6.25890.25250000.03746.2167
6.23710.26260000.03706.1890
6.19780.27270000.03766.1660
6.18950.28280000.03756.1378
6.16360.29290000.03666.1213
6.12620.3300000.03706.0967
6.13450.31310000.03616.0745
6.10960.32320000.03606.0556
6.07940.33330000.03576.0413
6.06430.34340000.03636.0136
6.0570.35350000.03625.9965
6.03370.36360000.03545.9806
6.02170.37370000.03635.9584
6.00450.38380000.03595.9526
5.98960.39390000.03555.9288
5.97110.4400000.03525.9152
5.96290.41410000.03495.8962
5.94650.42420000.03595.8821
5.94630.43430000.03455.8692
5.93170.44440000.03435.8699
5.90971.0034450000.03465.8483
5.91071.0134460000.03485.8352
5.88381.0234470000.03435.8188
5.8871.0334480000.03405.8086
5.85631.0434490000.03385.7971
5.85761.0534500000.03395.7968
5.85671.0635510000.03435.7797
5.8411.0735520000.03375.7677
5.81921.0835530000.03325.7613
5.82141.0935540000.03385.7486
5.81661.1035550000.03385.7409
5.8061.1135560000.03335.7342
5.79611.1235570000.03355.7236
5.78471.1335580000.03335.7164
5.7871.1435590000.03305.7096
5.77111.1535600000.03285.7035
5.76991.1635610000.03315.6888
5.7631.1734620000.03345.6875
5.74341.1835630000.03305.6809
5.74771.1934640000.03295.6686
5.74091.2034650000.03305.6624
5.7371.2134660000.03395.6758
5.7291.2234670000.03265.6546
5.72321.2334680000.03295.6467
5.71271.2434690000.03295.6449
5.71871.2534700000.03295.6352
5.7171.2634710000.03265.6264
5.7141.2734720000.03305.6219
5.70791.2834730000.03305.6169
5.70341.2934740000.03265.6131
5.67681.3034750000.03255.6125
5.69551.3135760000.03285.6075
5.69471.3235770000.03255.6017
5.70561.3335780000.03235.5956
5.66361.3435790000.03265.5921
5.67231.3535800000.03265.5881
5.6591.3635810000.03245.5823
5.67291.3735820000.03265.5795
5.65951.3835830000.03225.5794
5.65651.3935840000.03285.5758
5.66491.4034850000.03255.5716
5.65611.4135860000.03215.5695
5.64051.4234870000.03235.5654
5.64821.4335880000.03215.5628
5.64251.4434890000.03235.5622
5.63792.0069900000.03235.5582
5.63572.0169910000.03225.5573
5.63812.0269920000.03205.5568
5.64272.0369930000.03245.5526
5.63642.0469940000.03235.5526
5.6262.0569950000.03215.5501
5.6362.0669960000.03245.5492
5.6322.0769970000.03235.5489
5.61332.0869980000.03235.5479
5.62912.0969990000.03235.5477
5.62712.10691000000.03225.5470

Framework versions

  • Transformers 4.49.0.dev0
  • Pytorch 2.5.1+cu121
  • Datasets 3.2.0
  • Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура t5la неизвестна transformers в образе рантайма.

Класс архитектуры
T5LAForConditionalGeneration
Ревизия весов
e6776dc

0 моделей