/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
gemma3_text · dense
Базовая модель
gemma-3-1b-it
Библиотека
transformers
Опубликована
27 апр 2026

gemma-3-1b-it-ttt-tinystories-500k

Генерация текстаТекст → текст

Экспериментальная доработка Gemma 3 на 1 млрд параметров для генерации английских историй и изучения обучения во время инференса.

108скачиваний за 30 дней0лайковвеса обновлены5 мая 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

Модель разработана Chang Min Bark и Hung Ngo как учебный проект в Bucknell University. Это плотная текстовая модель Gemma 3 на 1 млрд параметров, доработанная на основе google/gemma-3-1b-it: базовые веса заморожены, а некоторые MLP-слои изменены для поддержки обучения во время инференса (In-Place Test Time Training). Обучение проводилось на 500 000 примерах TinyStories.

Модель предназначена для генерации текста на английском языке, в частности коротких историй, и экспериментов с Test Time Training. Она поддерживает контекст до 32 768 токенов и диалоговый режим. В описанной оценке базовая google/gemma-3-1b-it показала лучшие результаты, чем версия с In-Place TTT. Модель наследует смещения, риски и ограничения базовой Gemma 3. Лицензия — Apache-2.0.

Сценарии применения

  • генерация коротких историй на английском языке
  • эксперименты с обучением модели во время инференса
  • оценка методов Test Time Training на синтетических задачах

Ограничения

В оценке базовая google/gemma-3-1b-it превзошла эту модель. Она также наследует смещения и ограничения базовой Gemma 3.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

This Gemma3-1B-it model had its base model frozen and then had some of its MLP layers modified (global attention layers) to support In-Place Test Time Training. This was trained on 500,000 samples of the TinyStories dataset. The code can be found in this repo.

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: Chang Min Bark and Hung Ngo
  • Funded by [optional]:
  • Shared by [optional]:
  • Model type: Dense
  • Language(s) (NLP): English
  • License: Apache-2.0
  • Finetuned from model [optional]: google/gemma-3-1b-it

Model Sources [optional]

Uses

Direct Use

This was developed for the final project at AI with Neural Networks class at Bucknell University.

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

This model cannot be used for any use cases outlined for google/gemma-3-1b-it.

Bias, Risks, and Limitations

This model carries all of the same biases, risks, and limitations carried by google/gemma-3-1b-it.

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Check the GitHub repo for more information.

Training Details

Training Data

This was trained using TinyStories.

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: | Hyperparameter | TinyStories | LongAlpaca | Flag | | ---------------------- | ----------- | ---------- | ------------------- | | max_length | 1024 | 4096 | --max-length | | epochs | 1.0 | 2.0 | --epochs | | batch_size | 8 | 1 | --batch-size | | grad_accum | 8 | 16 | --grad-accum | | effective batch | 64 | 16 | — | | lr | 1e-4 | 5e-5 | --lr | | weight_decay | 0.1 | 0.1 | --weight-decay | | warmup_steps | 500 | 100 | --warmup-steps | | max_grad_norm | 1.0 | 1.0 | --max-grad-norm |

Shared optimizer / schedule (not per-dataset): AdamW with (β1, β2) = (0.9, 0.95), cosine LR decay, bf16 (fp16 fallback on non-bf16 GPUs), gradient checkpointing off.

TTT-module knobs (defaults match the In-Place TTT paper):

HyperparameterDefaultFlag
ttt_layers[0, 6, 12, 18, 24]--ttt-layers
ttt_chunk2048--ttt-chunk
ttt_lr (η)0.3--ttt-lr
ttt_projon--no-ttt-proj
ttt_targethidden_states--ttt-target

Speeds, Sizes, Times [optional]

Evaluation

Testing Data, Factors & Metrics

Testing Data

Tested using synthetic NVIDIA RULER.

Factors

  • Context length

Metrics

  • Accuracy

Results

Summary

The vanilla base google/gemma-3-1b-it performed better than the In-Place TTT augmented model.

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

Based on google/gemma-3-1b-it.

Compute Infrastructure

Run using Google Colab.

Hardware

Run using NVIDIA A100 GPU in Google Colab.

Software

Run using Google Colab.

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLMTTT
Ревизия весов
c4ec10a

0 моделей