/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
bd3lm · dense
Библиотека
transformers
Опубликована
18 мар 2025

bd3lm-owt-block_size1024-pretrain

Заполнение пропусковТекст → текст3 профессии

Предварительно обученный BD3-LM — блочная дискретная диффузионная языковая модель для генерации текста произвольной длины и оценки правдоподобия последовательностей.

289скачиваний за 30 дней1лайквеса обновлены18 мар 2025

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

kuleshov-group представляет чекпойнт предварительного обучения BD3-LM — плотной дискретной диффузионной языковой модели с блочной архитектурой. Модель обучена на OpenWebText как базовый чекпойнт для последующего дообучения BD3-LM; сохранена после 850 тысяч шагов обновления градиента. В репозитории указаны библиотека Transformers и формат safetensors.

Модель предназначена для генерации текста произвольной длины и оценки правдоподобия последовательностей. Она делит текст на блоки и выполняет дискретное диффузионное восстановление токенов внутри каждого блока, сочетая подходы авторегрессионных и диффузионных языковых моделей. Размер блока в названии — 1024; контексты длиннее 1024 токенов возможны при инференсе благодаря обучению без добавления BOS/EOS на границах обучающего контекста.

Это промежуточный чекпойнт, подготовленный для дальнейшего обучения, а не готовая прикладная модель. README направляет к GitHub проекта за примерами генерации и оценки правдоподобия. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с диффузионной генерацией текста
  • генерация текстовых последовательностей произвольной длины
  • оценка правдоподобия языковых последовательностей
  • исследование влияния размера блока на качество генерации
  • дообучение BD3-LM на текстовых данных

Ограничения

Это чекпойнт предварительного обучения, рассчитанный на дальнейшее дообучение; README не описывает его как готовую модель для прикладного использования. В карточке не указаны поддерживаемые естественные языки.

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

Block Diffusion Interpolates Between Autoregressive and Diffusion Language Models (ICLR 2025 Oral)

By Marianne Arriola, Aaron Gokaslan, Justin T Chiu, Zhihan Yang, Zhixuan Qi, Jiaqi Han, Subham Sekhar Sahoo, Volodymyr Kuleshov

Paper GitHub Blog HuggingFace

We introduce BD3-LMs, a family of Block Discrete Denoising Diffusion Language Models that achieve SOTA likelihoods among diffusion models and enable generation of arbitrary-length sequences. BD3-LMs combine the strengths of autoregressive and diffusion language models by decomposing a token sequence into blocks and performing discrete diffusion within each block. By tuning the block size, we interpolate between autoregressive and diffusion models which introduces a trade-off between quality and sample efficiency. We propose a recipe of building effective BD3-LMs that includes an efficient training algorithm, estimators of gradient variance, and data-driven noise schedules to minimize the variance.

Model Description

This is a retrained baseline model from MDLM. Differently from Sahoo et. al, we train our MDLM baseline on OpenWebText without injecting BOS/EOS at the beginning/end of the training context. This allows us to generate sequences longer than 1024 tokens at inference.

This model is a pretraining checkpoint, saved after 850K gradient updates, for training our BD3-LMs over 150K finetuning steps.

How to use

See our GitHub README, where we provide sample scripts for training, likelihood evaluation, and generation.

Citation

@inproceedings{
arriola2025block,
title={Block Diffusion: Interpolating Between Autoregressive and Diffusion Language Models},
author={Marianne Arriola and Aaron Gokaslan and Justin T Chiu and Zhihan Yang and Zhixuan Qi and Jiaqi Han and Subham Sekhar Sahoo and Volodymyr Kuleshov},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://arxiv.org/abs/2503.09573}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
BD3LM
Ревизия весов
745abdc

0 моделей