/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
572 млн
Лицензия
Apache 2.0
Архитектура
hyperllama · dense
Опубликована
1 окт 2026

HyperLlama-572M-zulu-1x-cloned-v2

Генерация текстаТекст → текст

Производная модели liu-nlp/hyperllama-180m-english-1x. Небольшая базовая модель Llama на 180 млн параметров для генерации английского текста и экспериментов с языковой адаптацией.

109скачиваний за 30 дней0лайковвеса обновлены1 окт 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

Карточка модели liu-nlp/HyperLlama-572M-zulu-1x-cloned-v2 на Hugging Face совпадает с карточкой liu-nlp/hyperllama-180m-english-1x, поэтому описание составлено по ней.

Модель liu-nlp/hyperllama-180m-english-1x разработана для исследования из статьи «Grow Up and Merge: Scaling Strategies for Efficient Language Adaptation». Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 180 млн параметров. В основе — архитектура SmolLM2 с мультиязычным токенизатором Llama 3.3 размером 128 тысяч токенов. Модель обучалась на англоязычном FineWeb-Edu; карточка также указывает FineWeb-Edu как датасет. Контекст — 2048 токенов.

Это базовая языковая модель, не настроенная для следования инструкциям. Она предназначена для генерации продолжения текста и экспериментов с адаптацией языковых моделей; метаданные также отмечают интерфейсы чата и вызова инструментов, но README не описывает отдельное instruction-tuning для этих сценариев. Основной язык модели — английский. Файлы опубликованы в формате safetensors по лицензии Apache-2.0.

Из-за небольшого размера модель может часто галлюцинировать, особенно по темам, слабо представленным в обучающих данных. README также предупреждает о возможной предвзятости и нежелательном содержании в данных языковой адаптации, а также рекомендует надзор и фильтрацию для пользовательских и ответственных приложений.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с адаптацией языковых моделей
  • исследование масштабирования небольших языковых моделей

Ограничения

Модель не настроена для следования инструкциям и может часто галлюцинировать из-за небольшого размера. Возможны предвзятые или нежелательные выводы; для пользовательских и ответственных сценариев README рекомендует фильтрацию и человеческий надзор.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Grow Up and Merge: Scaling Strategies for Efficient Language Adaptation

About the Model

This model was developed for the paper Grow Up and Merge: Scaling Strategies for Efficient Language Adaptation.

It is based on the SmolLM2 architecture, but instead of the original English tokenizer, it uses the multilingual Llama 3.3 tokenizer with a 128K vocabulary. This results in a 180M-parameter base model.

The base models were trained on:

There exist 2 English base models: A 180M base model, and a 572M base model that is the 180M base model HyperCloned after 80% of the training steps, and trained on the remaining 20% of the data afterwards.

Models were adapted to each target language using the corresponding FineWeb-2 subset. The mutilingual models were adapted the same way, but on the FineWeb-2 subsets for all target languages at once.

We evaluate three adaptation setups:

  • 1× — Continue pretraining the 180M base model on the target language
  • 1× (cloned) — HyperClone the 180M base model to 572M, then continue pretraining on the target language
  • 2× — Continue pretraining the 572M base model on the target language

For more details on our setups, please refer to our paper.

Usage

The model can be loaded like this. But note that this is a base model; it is not instruction-tuned.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "liu-nlp/model-id"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

prompt = "To be hypercloned feels"

inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_new_tokens=200,
    do_sample=True,
    temperature=0.7,
)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Limitations

Users should apply the model responsibly, particularly in high-stakes or user-facing applications. The model is not guaranteed to provide factual, neutral, or safe outputs. Additional safety filtering, human oversight, or RLHF-style alignment may be required depending on the deployment context. Models of such sm all sizes are expected to produce hallucinations, especially for topics underrepresented or inconsistently represented in the training data.

While the base model’s pre-training corpus presumably excludes overtly unethical or harmful material due to its educational focus, the continued pre-training phase introduces additional considerations. Large-scale corpora for our target languages are comparatively limited in availability and curation quality. As a result, the datasets used for domain or language adaptation may contain inappropriate, biased, or otherwise undesirable content.

Citation

If you use this model, please cite:

  @misc{glocker2025growmergescalingstrategies,
        title={Grow Up and Merge: Scaling Strategies for Efficient Language Adaptation}, 
        author={Kevin Glocker and Kätriin Kukk and Romina Oji and Marcel Bollmann and Marco Kuhlmann and Jenny Kunz},
        year={2025},
        eprint={2512.10772},
        archivePrefix={arXiv},
        primaryClass={cs.CL},
        url={https://arxiv.org/abs/2512.10772}, 
  }

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
HyperLlamaForCausalLM
Ревизия весов
6f01222

0 моделей