/ Модель

Характеристики

Контекст
8 192 токена
Параметры
354 млн
Архитектура
llama · dense
Библиотека
transformers
Опубликована
5 сен 2026

aaie-8k-gft-5m

Генерация текстаТекст → текст3 профессии

Исследовательская модель AAIE на базе Llama для генерации текста и ответов на инструкции с контекстом до 8192 токенов.

21скачиваний за 30 дней0лайковвеса обновлены5 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

AAIE 8K GFT — 5M checkpoint — языковая модель проекта AAIE для генерации текста в ответ на инструкции и диалоговые запросы. Это самостоятельная полноразмерная модель на базе плотного декодера, совместимого с Llama, с 20 слоями, размером 354,4 млн параметров и контекстом до 8192 токенов. Модель прошла дообучение на инструкциях общего назначения; она не требует подключения или слияния LoRA-адаптера.

Контрольная точка выбрана после ограниченного этапа обучения на 5 млн токенов. По оценке авторов, она лучше базовой модели останавливает генерацию, однако проверки не подтвердили надёжность выполнения инструкций, извлечения информации или оценочной обратной связи. Расширение контекста до 8192 токенов использует экспериментальную конфигурацию YaRN и не гарантирует качественных рассуждений на длинном контексте. Авторы характеризуют модель как исследовательскую контрольную точку и отмечают необходимость дальнейшей проверки человеком и педагогами. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • эксперименты с дообучением языковых моделей на инструкциях
  • прототипирование диалоговых ответов
  • сравнение поведения контрольных точек AAIE
  • исследование генерации текста с контекстом до 8192 токенов

Ограничения

Оценка не подтвердила надёжное выполнение инструкций, извлечение информации или формирование критериальной обратной связи; перед прикладным использованием авторам требуется дополнительная проверка человеком и педагогами. Контекст 8192 токена основан на экспериментальном расширении YaRN и не свидетельствует о надёжных рассуждениях на длинном контексте.

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

AAIE 8K GFT — 5M checkpoint

This is the selected 5-million-token general-instruction-tuning checkpoint from the AAIE research project. It is a standalone, full-weight Hugging Face model: there is no LoRA adapter to attach or merge.

Lineage

AAIE 50M YaRN 8K base -> selective SmolTalk V2 general instruction tuning -> selected 5M checkpoint

  • Architecture: Llama-compatible dense decoder, 20 layers, hidden size 512, eight attention heads / two KV heads, tied embeddings.
  • Context configuration: 8,192 tokens using YaRN (factor: 8, original position length 1,024).
  • Tokenizer vocabulary: 151,936 tokens.
  • Training: full-weight, completion-masked instruction tuning; selected after a bounded 5M-token schedule at learning rate 1e-4.
  • Model-weight SHA-256: 4b1c4cc74f0f0dadd9923b4381151444c04e00682a39301b812a2116ec7c22b7.

The generation configuration corrects the checkpoint package's end-token settings: <|im_end|> (151645) and <|endoftext|> (151643) both stop generation.

Use

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "moinsaj/aaie-8k-gft-5m"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

messages = [{"role": "user", "content": "Explain database indexes in two sentences."}]
inputs = tokenizer.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True, return_tensors="pt"
)
output = model.generate(inputs, max_new_tokens=160, do_sample=False)
print(tokenizer.decode(output[0, inputs.shape[-1]:], skip_special_tokens=True))

Important limitations

This is an AI-reviewed research checkpoint, not an educational assessment tool or a replacement for the AAIE product's hosted model. Its bounded evaluation showed better stopping behaviour than the unchanged base, but it did not demonstrate dependable instruction correctness, extraction, or criterion-level feedback. It requires further human/educator validation before any applied use.

The 8K context setting is an experimental YaRN extension. It should not be read as evidence of reliable general long-context reasoning.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
fbd9577

0 моделей