/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
llama_3.1_8b_instruct
Библиотека
transformers
Опубликована
13 июн 2026

MeGan-R512-CrossFit_UnifiedQA-nn2n-lr1e-6

Генерация текстаТекст → текст4 профессии

Дообученная на CrossFit и UnifiedQA модель Llama с мета-управлением SwiGLU для генерации ответов по текстовым условиям.

19скачиваний за 30 дней0лайковвеса обновлены21 июн 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

MeGan-R512-CrossFit_UnifiedQA-nn2n-lr1e-6 — дообученная модель семейства Llama, разработанная в рамках проекта MeGan. Она основана на Llama 3.1 8B Instruct и добавляет мета-управление SwiGLU-блоками: гиперсеть динамически формирует параметр β по текстовым условиям, адаптивно изменяя нелинейность FFN. В карточке указан размер 7,5 млрд параметров и контекст до 131 072 токенов.

Модель дообучена на подмножестве non_nli_to_nli датасетов CrossFit и UnifiedQA для генерации текста с учётом условий, включая задачи UnifiedQA и преобразования между форматами вопросов и ответов. Метаданные указывают Transformers и формат PyTorch. Лицензия обозначена как other, поэтому конкретные условия использования из этих данных установить нельзя.

Сценарии применения

  • генерация ответов на вопросы по текстовой инструкции
  • решение задач формата UnifiedQA
  • адаптация генерации к разным текстовым условиям
  • эксперименты с мета-управлением FFN в LLM

Ограничения

Лицензия указана как other, поэтому условия использования следует уточнить у автора. Доступные сведения не подтверждают языковой охват и качество на задачах за пределами указанного подмножества CrossFit и UnifiedQA.

Для каких профессий подходит4

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

MeGan (meta_swiglu) - CrossFit & UnifiedQA SFT

This model is a fine-tuned version of Llama-3.1-8B-Instruct implementing the meta-gating mechanism proposed in Learn-To-Learn on Arbitrary Textual Conditioning: A Hypernetwork-Driven Meta-Gated LLM.

Model description

Conventional LLMs may suffer from corpus heterogeneity and subtle condition changes. This work activates the meta-signal of $\beta$ within the SwiGLU blocks, resulting in a meta-gating mechanism that adaptively adjusts the nonlinearity of FFN. A hypernetwork is employed which dynamically produces $\beta$ on textual conditions, providing meta-controllability on LLMs.

This checkpoint is trained on a subset (non_nli_to_nli) of CrossFit and UnifiedQA.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 32
  • total_train_batch_size: 32
  • total_eval_batch_size: 256
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1.0

Framework versions

  • Transformers 4.46.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.20.0
  • Tokenizers 0.20.3

Citation

If you find this work useful, please consider citing:

@article{ji2026learntolearn,
  title={Learn-to-learn on Arbitrary Textual Conditioning: A Hypernetwork-Driven Meta-Gated LLM},
  author={Luo Ji and Qi Qin and Ningyuan Xi and Teng Chen and Qingqing Gu and Hongyan Li},
  journal={arXiv preprint arXiv:2605.01973},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM_sharedHyper
Ревизия весов
7fe209c

0 моделей