/ Модель

Характеристики

Контекст
8 192 токена
Параметры
503 млн
Лицензия
Apache 2.0
Архитектура
baretorch · dense
Базовая модель
BareTorch-500M-Base
Опубликована
27 авг 2026

BareTorch-500M-SFT

Генерация текстаТекст → текст5 профессий

Компактная англоязычная причинная модель, дообученная для диалога и выполнения текстовых инструкций.

79скачиваний за 30 дней0лайковвеса обновлены27 авг 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

BareTorch-500M-SFT — англоязычная компактная причинная языковая модель, разработанная model-rampage и настроенная следовать инструкциям и вести диалог. Это плотная модель класса BareTorchForCausalLM с 502,5 млн параметров, дообученная методом supervised fine-tuning на базе BareTorch-500M-Base с использованием многоходовых инструкционных диалогов HuggingFaceTB/smol-smoltalk и формата ChatML. Карточка сообщает о контексте базовой модели до 32 768 токенов; обучение проводилось с длиной последовательности 2048 токенов.

Модель предназначена для генерации ответов в диалоге, выполнения текстовых инструкций, ответов на вопросы и решения задач на общие знания. В README приведены улучшенные относительно базовой версии результаты на HellaSwag и наборах ARC, но эти показатели не гарантируют качества в других сценариях. Модель принимает и генерирует текст; заявленный язык карточки — английский. Распространяется под лицензией Apache-2.0.

Сценарии применения

  • ответы на вопросы на английском языке
  • ведение многоходового текстового диалога
  • выполнение инструкций на английском языке
  • решение задач на общие знания
  • генерация ответов в формате ChatML

Ограничения

В README приведены результаты только на отдельных бенчмарках; они не характеризуют качество во всех задачах. Обучение выполнялось с длиной последовательности 2048 токенов, поэтому заявленный контекст базовой модели до 32 768 токенов не следует считать подтверждённым для всех сценариев этой версии.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

💬 BareTorch-500M-SFT

BareTorch-500M SFT is the instruction-aligned counterpart of the BareTorch-500M Base language model. It was fine-tuned on multi-turn instruction dialogue datasets using ChatML formatting across $2\times$ NVIDIA RTX 4090 GPUs.


🏋️ Supervised Fine-Tuning (SFT) Details

  • Base Checkpoint: model-rampage/BareTorch-500M-Base (100B Token Pre-Trained Foundation Model)
  • Dataset: HuggingFaceTB/smol-smoltalk (~485,000 multi-turn instruction samples)
  • Hardware Config: $2\times$ NVIDIA GeForce RTX 4090 (24GB)
  • Training Epochs: 1 Epoch ($2,759$ total steps)
  • Global Batch Size: 64 sequences ($131,072$ tokens/step, sequence length 2048)
  • Learning Rate: $1 \times 10^{-5}$ with 100 warmup steps
  • Convergence Loss: Evaluation loss decreased smoothly from $1.5631$ (step 250) to $1.4302$ (step 2,759).

📊 Benchmark Comparison: Base vs. SFT Aligned

Instruction alignment unlocks massive leaps across reasoning, commonsense, and QA benchmarks:

Benchmark TaskMetricBase Model (100B)SFT Aligned ModelInstruction Gain
HellaSwagAcc-Norm43.69%52.52%+8.83%
ARC EasyAcc-Norm53.58%59.18%+5.60%
ARC ChallengeAcc-Norm28.92%35.41%+6.49%
WinoGrandeAcc51.30%55.80%+4.50%
MMLU (Overall)Accuracy24.70%25.57%+0.87%

📊 Detailed SFT Benchmark Breakdown

Task / BenchmarkMetricScore
HellaSwagAcc (Norm)52.52%
ARC EasyAcc (Norm)59.18%
ARC ChallengeAcc (Norm)35.41%
WinoGrandeAccuracy55.80%
MMLU (Overall 57-Subject Average)Accuracy25.57%
** ├─ MMLU STEM**Accuracy26.51%
** ├─ MMLU Humanities**Accuracy25.80%
** ├─ MMLU Social Sciences**Accuracy23.72%
** └─ MMLU Other**Accuracy26.10%

⚡ Long-Context Inference Hardware Scaling (32,768 Context)

BareTorch's kernel-free CS-LRAD hybrid engine delivers massive decoding acceleration and VRAM footprint reduction:

Platform / DeviceContext WindowDecode VelocityPeak MemorySpeedup vs Standard Transformer
NVIDIA CUDA (RTX 4090)32,768 Tokens164.49 tok/s1,660 MB12.51x Faster (vs Qwen3 0.6B)
Apple Silicon (M1 MBP MLX)32,768 Tokens29.69 tok/s3,778 MB44.98x Faster (vs SmolLM2 1.7B)

🤖 Prompt Format (ChatML)

<|im_start|>user
Explain quantum entanglement in two sentences.<|im_end|>
<|im_start|>assistant
Quantum entanglement is a phenomenon where two or more particles become connected such that the state of one instantly influences the state of the other, regardless of distance. Einstein famously referred to this counterintuitive phenomenon as "spooky action at a distance."<|im_end|>

💻 Code Usage Example

import torch
from transformers import AutoTokenizer
from baretorch.integration.configuration_baretorch import BareTorchConfig
from baretorch.integration.modeling_baretorch import BareTorchForCausalLM

model_id = "model-rampage/BareTorch-500M-SFT"
tokenizer = AutoTokenizer.from_pretrained("HuggingFaceTB/SmolLM2-360M")
model = BareTorchForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16).cuda()

messages = [
    {"role": "user", "content": "What are three key benefits of pure-GEMM neural network architectures?"}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=150, do_sample=True, temperature=0.7)

print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

📜 Citation

@article{kovacevic2026baretorch,
  title={BareTorch: Challenging State-of-The-Art Sequence Mixing Topologies via Kernel-Free, Pure GEMM-Compliant Architectures},
  author={Kovacevic Buvinic, Martin Ignacio},
  journal={BareTorch Framework Laboratory Technical Report},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура baretorch неизвестна transformers в образе рантайма.

Класс архитектуры
BareTorchForCausalLM
Ревизия весов
76d98cd

0 моделей