/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Базовая модель
latent-tts-coconut
Библиотека
transformers
Опубликована
4 сен 2026

svp-v-coconut-gpt2

Генерация текстаТекст → текст3 профессии

Дообученная COCONUT GPT-2 исследовательская модель для латентного рассуждения и решения текстовых математических задач.

969скачиваний за 30 дней2лайкавеса обновлены26 сен 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

SVP-V-GRPO · COCONUT GPT-2 — исследовательский чекпойнт на базе COCONUT GPT-2, дообученный методом обучения с подкреплением SVP-V-GRPO. Модель разработана для латентного непрерывного рассуждения и генерации ответов на математические задачи; в обучении использовались 383 891 пример из GSM8K-Aug.

Это плотная авторегрессионная модель GPT-2 с 124 млн параметров и контекстом 1024 токена. Она принимает текстовый запрос со специальными маркерами, выполняет шесть шагов латентного рассуждения, затем генерирует обычный текстовый ответ. Для исследования использовались GSM8K, GSM-Hard, MultiArith, SVAMP, ASDiv-A и GSM-Plus; README приводит результаты точного совпадения итогового ответа, но не содержит полной таблицы результатов этого чекпойнта.

Модель подходит для экспериментов с непрерывным рассуждением и решения текстовых арифметических задач. Указана лицензия MIT. При использовании требуется соблюдать специальный формат промпта и реализовать подачу скрытых состояний между латентными шагами; обычная генерация через стандартный интерфейс Transformers не описывает этот цикл полностью.

Сценарии применения

  • решение школьных текстовых математических задач
  • эксперименты с латентным непрерывным рассуждением
  • сравнение методов обучения с подкреплением для математической генерации

Ограничения

Для работы требуется специальный формат промпта с маркерами и цикл из шести латентных шагов; стандартный вызов генерации Transformers сам по себе этого не реализует. README не приводит полной таблицы результатов для данного чекпойнта.

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

SVP-V-GRPO · COCONUT GPT-2

A COCONUT GPT-2 (124M) latent-reasoning model post-trained with SVP-V-GRPO — reinforcement learning whose rollout exploration comes from weight-space perturbation of the attention value projections. For each layer and rollout, SVP independently samples Gaussian noise and rescales coefficients in the fixed SVD basis of W_V as sᵢ → sᵢ(1+αgᵢ).

Only the value-projection weights (the V columns of each c_attn) differ from the base checkpoint. The perturbation is a training-time exploration mechanism and is not used at deployment: inference is ordinary greedy decoding. This repository contains the paper's GPT-2 SVP-V-GRPO checkpoint from epoch 9 B=32, lr=6e-5 run.

Results

Clean greedy decoding, max_new_tokens=64, exact-match on the final answer.

Model (GPT-2 124M)GSM8KGSM-HardMultiArithSVAMPASDiv-AGSM-Plus
COCONUT (base)34.17.780.935.660.217.4
SLPO34.97.682.834.358.718.2
SIM-CoT44.79.390.540.667.221.5
CoDi42.59.391.940.065.423.1
This model (SVP on W_V, α=0.6)50.311.393.443.671.227.6

Usage

This is a fixed-length continuous-thought model: the prompt ends with <|start-latent|>, six latent steps feed each step's last hidden state back as the next input embedding, <|end-latent|> closes the latent phase, and the answer is then decoded as ordinary tokens.

from transformers import AutoTokenizer, GPT2LMHeadModel

REPO = "."  # path to this repository
tok = AutoTokenizer.from_pretrained(REPO)
model = GPT2LMHeadModel.from_pretrained(REPO).eval().cuda()
# then run the two-phase latent loop: 6 latent steps, then decode the answer

A reference implementation of the loop ships with the SVP code release; the original COCONUT inference code works as well.

Training

BaseModalityDance/latent-tts-coconut (COCONUT GPT-2, 124M)
Data383,891 eligible prompts from GSM8K-Aug
AlgorithmGRPO: G=32 rollouts per prompt; 2B=64 candidate prompts per iteration with up to B=32 mixed-outcome groups retained; μ=2 optimization passes; centered advantages; symmetric clipping ε=0.2; k3 KL (β=0.02) to the frozen base
ExplorationSVP with α=0.6: independent Gaussian coefficient perturbations for each Value-projection layer and rollout, held fixed through prefill and all six latent steps; clean answer decoding; SVD factors refreshed every 50 iterations
Trained parametersV columns of every c_attn (≈ 7M of 124M)
OptimizerAdamW, constant lr=6e-5, seed 0, no warmup or weight decay, gradient clipping at 1.0; epoch-9 checkpoint from 15 epochs
RewardFinal-answer correctness only

License

MIT, inherited from the base checkpoint (which derives from openai-community/gpt2).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
c726251

0 моделей