/ Модель

Характеристики

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

sedd-noeos-owt

Заполнение пропусковТекст → текст3 профессии

Переобученная на OpenWebText базовая модель SEDD для генерации текста и исследования дискретной диффузии без маркеров BOS и EOS в обучающем контексте.

82скачиваний за 30 дней0лайковвеса 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/sedd-noeos-owt — переобученная базовая модель SEDD от группы Kuleshov, представленная в работе о BD3-LMs, опубликованной на ICLR 2025. Модель обучена на OpenWebText без добавления токенов BOS и EOS в начало и конец обучающего контекста, чтобы анализировать длину сгенерированных последовательностей без влияния этих маркеров.

Это дискретная диффузионная языковая модель класса BD3LM для генерации текста и оценки правдоподобия. Метаданные указывают архитектуру BD3LM и формат safetensors; авторская задача в Hugging Face — text-generation, а каталог также отмечает fill-mask. Модель входит в исследовательскую работу о блочной диффузии, которая сочетает авторегрессионную генерацию с дискретной диффузией внутри блоков. Лицензия — Apache-2.0.

Карточка описывает модель как базовую линию для анализа длины генерируемых текстов и оценки правдоподобия; конкретный размер модели и длина контекста в предоставленных данных не приводятся. Указаны обучение на OpenWebText и возможность генерации последовательностей произвольной длины для семейства BD3-LMs, однако это не подтверждает отдельную языковую специализацию данной модели. Ограничение её обучающего контекста без BOS/EOS важно учитывать при сравнении с вариантами SEDD, обученными с этими маркерами.

Сценарии применения

  • генерация текста дискретной диффузионной языковой моделью
  • оценка правдоподобия текстовых последовательностей
  • анализ длины сгенерированных текстов без влияния BOS и EOS
  • эксперименты по сравнению диффузионных и авторегрессионных языковых моделей

Ограничения

Модель обучалась без токенов BOS и EOS в начале и конце обучающего контекста, поэтому эти условия следует учитывать при оценке длины генераций и сравнении с другими вариантами SEDD. В предоставленных данных нет сведений о размере модели и длине контекста.

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 SEDD. Differently from Austin et. al, we train our SEDD baseline on OpenWebText without injecting BOS/EOS at the beginning/end of the training context. This allows us to analyze the lengths of generated samples at inference, without the artificial BOS/EOS injection confounding the length statistics.

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
96e0118

0 моделей