/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mdlm · dense
Библиотека
transformers
Опубликована
18 июн 2024

mdlm-no_flashattn-fp32-owt

Заполнение пропусковТекст → текст3 профессии

Предварительно обученная модель MDLM для восстановления текста и заполнения масок с помощью диффузионного процесса.

317скачиваний за 30 дней5лайковвеса обновлены11 апр 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

Это предварительно обученная языковая модель MDLM, разработанная группой Kuleshov. Она использует плотную архитектуру для восстановления исходного текста из входов с разной степенью маскирования в рамках прямого диффузионного процесса и выдаёт логиты для токенов. Модель обучалась на корпусе OpenWebText в течение одного миллиона шагов с обработкой 33 миллиардов токенов.

Модель предназначена для заполнения пропусков и экспериментов с маскированными диффузионными языковыми моделями. Её контекст составляет 1024 токена; по размеру она близка к GPT-2 Medium и содержит около 130 миллионов параметров без учёта эмбеддингов. Обычный механизм attention и точность float32 позволяют запускать её на более старых GPU, хотя float32 может требовать больше памяти и вычислений. Для использования указана лицензия Apache-2.0.

Сценарии применения

  • восстановление исходного текста из частично замаскированной последовательности
  • заполнение пропусков в тексте
  • эксперименты с маскированными диффузионными языковыми моделями

Ограничения

Контекст ограничен 1024 токенами; точность float32 может требовать значительных ресурсов памяти и вычислений. Карточка описывает обучение и назначение модели, но не приводит результатов сравнительной оценки качества.

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

Using MDLM

To use the pre-trained model for masked language modeling, use the following snippet:

from transformers import AutoModelForMaskedLM, AutoTokenizer

# See the `Caduceus` collection page on the hub for list of available models.
tokenizer = transformers.AutoTokenizer.from_pretrained('gpt2')
model_name = 'kuleshov-group/mdlm-no_flashattn-fp32-owt'
model = AutoModelForMaskedLM.from_pretrained(model_name)

For more details, please see our github repository: MDLM

Model Details

The model, which has a context length of 1024 and is similar in size to GPT2-medium with approximately 130 million non-embedding parameters, was trained using a forward diffusion process that generates inputs varying from fully masked to fully unmasked. Its objective is to reconstruct the original input from these varying levels of masking, outputting logits in the process. The training regimen comprised one million steps on the OpenWebText corpus, involving the processing of a total of 33 billion tokens. Note that this model can run on older GPUs since it uses regular attention instead of flash attention and uses float32 precision.

For more details, please see our paper: Simple and Effective Masked Diffusion Language Models.

Citation

Please cite our work using the bibtex below:

BibTeX:

@inproceedings{
    sahoo2024simple,
    title={Simple and Effective Masked Diffusion Language Models},
    author={Subham Sekhar Sahoo and Marianne Arriola and Aaron Gokaslan and Edgar Mariano Marroquin and Alexander M Rush and Yair Schiff and Justin T Chiu and Volodymyr Kuleshov},
    booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems},
    year={2024},
    url={https://openreview.net/forum?id=L4uaAR4ArM}
}

APA:

@software{Sahoo_Simple_and_Effective_2024,
author = {Sahoo, Subham Sekhar and Arriola, Marianne and Schiff, Yair and Gokaslan, Aaron and Marroquin, Edgar and Chiu, Justin T and Rush, Alexander and Kuleshov, Volodymyr},
doi = {10.48550/arXiv.2406.07524},
month = jun,
title = {{Simple and Effective Masked Diffusion Language Models}},
version = {arXiv:2406.07524v1},
year = {2024}
}

Model Card Contact

Subham Sekhar Sahoo (subbham@gmail.com)

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
MDLM
Ревизия весов
6005472

0 моделей