/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10,6 млрд
Размер весов
26,1 ГБ
Лицензия
Apache 2.0
Архитектура
phi3 · dense
Библиотека
transformers
Опубликована
27 июл 2026

torchwright-calculator-memorize-max-digits-2

Генерация текстаТекст → текст3 профессии

Демонстрационная модель Phi-3, которая возвращает заранее запомненные результаты сложения, вычитания и умножения двух чисел до двух цифр.

29скачиваний за 30 дней0лайковвеса обновлены9 авг 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

physicsrob/torchwright-calculator-memorize-max-digits-2 — демонстрационная модель, созданная torchwright: компилятор напрямую сформировал веса из графа вычислений, обучение не проводилось. Модель использует плотную архитектуру Phi-3 с 10,6 млрд параметров и загружается через стандартную библиотеку Transformers без пользовательского кода. Контекст составляет 4096 токенов.

Модель выполняет поиск заранее запомненного результата для выражений с двумя неотрицательными десятичными числами до двух цифр и операцией сложения, вычитания или умножения. Запрос задаётся как «A op B» с переводом строки; ответ — числовой результат. Поддерживается отрицательный результат вычитания. Это узкий демонстрационный калькулятор, а не языковая модель общего назначения. Лицензия — Apache-2.0.

Для штатной работы требуются точность fp32 и жадное декодирование. Веса занимают 26,11 ГБ, почти все параметры равны нулю, но они не сжаты, поэтому плотный запуск всё равно требует значительных памяти и вычислений; CPU поддерживается. Операнды шире двух цифр, неподдерживаемые символы, другие точности и режимы декодирования находятся вне контракта. Проверены приведённые примеры и дополнительные граничные случаи, но не все допустимые выражения.

Сценарии применения

  • вычисление суммы двух целых чисел до двух цифр
  • вычисление разности двух целых чисел до двух цифр
  • вычисление произведения двух целых чисел до двух цифр
  • демонстрация компиляции графа вычислений в веса трансформера

Ограничения

Поддерживаются только выражения вида «A op B» с неотрицательными операндами не более двух цифр и операциями +, - и *; для работы требуются fp32 и greedy decoding. Другие входы, точности и режимы декодирования не поддерживаются, а проверка не охватывает исчерпывающе все допустимые выражения.

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

calculator_memorize, max_digits=2 (torchwright)

A compiled transformer: the torchwright compiler emitted these weights directly from a computation graph — nothing was trained. This bundle is the calculator_memorize example built with max_digits=2: a computation graph for integer arithmetic (A op B with op in + - *) that computes nothing: every answer is a memorized fact, looked up from the operand pair.

The bundle uses the stock Phi-3 architecture and loads through transformers without custom model code or trust_remote_code.

Run it in fp32 with greedy decoding (do_sample=False). Other precisions and decoding modes are outside the supported contract.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = 'physicsrob/torchwright-calculator-memorize-max-digits-2'
model = AutoModelForCausalLM.from_pretrained(repo_id).eval()
tok = AutoTokenizer.from_pretrained(repo_id)

enc = tok('12*34\n', return_tensors="pt")
out = model.generate(enc["input_ids"], max_new_tokens=32, do_sample=False,
                     eos_token_id=tok.eos_token_id, pad_token_id=tok.eos_token_id)
print(tok.decode(out[0, enc["input_ids"].shape[1]:], skip_special_tokens=True))

Input and output

Prompts are A op B terminated by a newline: two non-negative decimal operands of up to 2 digits, with op one of +, -, *. Subtraction may produce a negative result. Wider operands, or any character outside the model's small vocabulary, are outside the contract — the output is undefined.

promptoutput
12*34408
7+815
99*999801
99+1100
99-1287
12-99-87

Intended use and limitations

This model is a demonstration of a computation graph compiled into transformer weights. It is not a general language model or a general-purpose calculator; only the input contract above is supported.

Verification

The examples above are exact reference outputs. The Modal publishing path reloads the emitted checkpoint through stock transformers, checks those examples plus additional width-limit cases against Python integer arithmetic, and refuses to upload on a mismatch. This is a functional smoke test, not exhaustive verification of every allowed expression.

Size

The checkpoint stores 26.11 GB of dense fp32 weights (6,527,148,032 entries) at compile width d=8192. 99.99% of those entries are exactly zero: the vast majority of the model is unused canvas, so size reflects the compile geometry rather than stored knowledge.

The zero entries are not compressed, and dense transformers execution still pays their memory and compute cost. CPU execution is supported; allow additional RAM beyond the checkpoint size.

Family

One example of many compiled with torchwright. Calculator siblings — calculator-simple (serial arithmetic, depth grows with the digit count), calculator-advanced (carry-lookahead, near-flat depth), calculator-scratchpad (flat depth; the serial work streams out as visible thinking tokens), and calculator-memorize (no arithmetic at all: a fact table, exponential in the digit count) — are published at several digit widths. Browse the torchwright calculator models on Hugging Face.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
90b7d44

0 моделей