/ Модель

Характеристики

Контекст
1 024 токена
Параметры
143 млн
Лицензия
Apache 2.0
Архитектура
corm · MoE
Библиотека
transformers
Опубликована
8 сен 2026

CoRM-182M-top1

Генерация текстаТекст → текст3 профессии

CoRM-182M-top1 — причинная языковая MoE-модель с контрастной маршрутизацией top-1 для генерации текста и экспериментов с модульными архитектурами.

146скачиваний за 30 дней0лайковвеса обновлены9 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

ilsp/CoRM-182M-top1 — чекпойнт семейства CoRM, разработанный в рамках работы «Beyond Magnitude: Contrastive Routing for Modular Mixture-of-Experts». Это причинная языковая модель с архитектурой смеси экспертов и контрастной маршрутизацией; в варианте top-1 для каждого токена выбирается один эксперт. В метаданных указано 143,1 млн параметров, а в README — 777 млн общих и 182 млн активных параметров, поэтому оценки размера расходятся.

Модель предназначена для генерации текста и экспериментов с модульными архитектурами MoE. Она использует 12 слоёв, скрытый размер 768, 12 голов внимания с GQA и 4 KV-головами; длина контекста — 1024 токена. Для загрузки в Transformers требуется включить доверенную пользовательскую реализацию кода. Лицензия — Apache-2.0. README представляет модель как чекпойнт к исследовательской работе, поэтому она подходит прежде всего для изучения и экспериментального использования; сведений о языках и качестве на прикладных задачах в доступных данных нет.

Сценарии применения

  • эксперименты с контрастной маршрутизацией в MoE
  • генерация текста на основе промпта
  • изучение выбора экспертов top-1
  • сравнение активных и общих параметров языковых моделей

Ограничения

README указывает, что для загрузки требуется trust_remote_code=True. Сведения о поддерживаемых языках и прикладном качестве не приведены; оценки числа параметров в README и метаданных различаются.

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

CoRM-182M (Top-1)

Contrastive Routing Mixture-of-Experts (CoRM). Checkpoint for the paper Beyond Magnitude: Contrastive Routing for Modular Mixture-of-Experts.

Part of the ilsp/CoRM collection.

ModelActive ParamsTotal ParamsRouting
CoRM-182M-top1182M777MTop-1

Architecture

Hidden size768
Layers12
Attention heads12 (4 KV heads, GQA)
Intermediate size3072
Experts8
Experts per token1
Vocab size51200
Max position embeddings1024
Dtypebfloat16

Usage

This model uses custom modeling code, so trust_remote_code=True is required.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ilsp/CoRM-182M-top1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

inputs = tokenizer("The capital of Greece is", return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=32)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training

Evaluation

Citation

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
CoRMForCausalLM
Ревизия весов
a512a2a

0 моделей