/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
pico_decoder · dense
Опубликована
13 фев 2025

pico-decoder-large

Генерация текстаТекст → текст3 профессии

Плотная авторегрессионная модель на 570 млн параметров для генерации текста и исследований обучения трансформеров.

25 022скачиваний за 30 дней1лайквеса обновлены23 июн 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

Pico Decoder Large — плотная авторегрессионная модель семейства pico-decoder, разработанная для исследований интерпретируемости обучения трансформеров. Это decoder-only трансформер в стиле LLaMA с 570 млн параметров и 12 слоями; модель обучена на наборе pretokenized-dolma. В карточке указана длина последовательности обучения 2048 токенов, но это не подтверждает максимальный контекст при использовании.

Модель предназначена для генерации текста и анализа того, как языковые модели обучаются. Она совместима с pico-train и pico-analyze, а карточка описывает её как исследовательскую модель с возможностями анализа промежуточных контрольных точек. Опубликованные веса представлены в формате safetensors.

Модель выпущена под лицензией Apache-2.0. Английский указан среди языков карточки; оценка включала измерение perplexity на pico-paloma-tinsy. README описывает исследовательское назначение и не приводит результатов, позволяющих судить о качестве для прикладных сценариев.

Сценарии применения

  • генерация продолжений английского текста
  • исследование интерпретируемости обучения трансформеров
  • анализ поведения языковой модели на разных этапах обучения
  • измерение perplexity на текстовых наборах данных

Ограничения

Модель описана как исследовательская, и карточка не приводит показателей качества, подтверждающих пригодность для конкретных прикладных задач. Указанная длина последовательности обучения 2048 токенов сама по себе не гарантирует такой же максимальный контекст при использовании.

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

Pico Decoder Large

pico-decoder-large is the largest model (570M) in the current pico-decoder suite. It is a full-scale research model designed for in-depth interpretability studies of transformer learning. Trained with pico-train and fully compatible with pico-analyze, it offers rich checkpointing and analytical insight into large-scale LM behavior.

NOTE: The pico-decoder-large-1 branch contains the full commit history for the training run.

🔧 Model Details

FieldValue
ArchitectureDecoder-only transformer (LLaMA-style)
Parameters570M
Layers12
Hidden Size1536
Feed Forward Size6144
Attention Heads12
Key/Value Heads4

📚 Training

  • Dataset: pretokenized-dolma
  • Training steps: 200,000
  • Batch size: 1024
  • Sequence length: 2048
  • Optimizer: AdamW
  • Learning rate schedule: Linear decay with warmup
  • Compute: 16 A100-SXM4-80GB GPUs

📈 Evaluation and Analysis

This model supports fine-grained analysis using pico-analyze. This tool enables researchers to understand how learning unfolds over training, even at very small scales.

We also evaluate perplexity of the model on the pico-paloma-tinsy dataset.

📄 Citation

@software{pico2025,
    author = {Diehl Martinez, Richard},
    title = {Pico: A Lightweight Framework for Studying Language Model Learning Dynamics},
    year = {2025},
    url = {https://github.com/pico-lm}
}

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
PicoDecoderHF
Ревизия весов
dc1a407

0 моделей