/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,8 млрд
Размер весов
15,3 ГБ
Лицензия
MIT
Архитектура
phi3 · dense
Базовая модель
Phi-4-mini-instruct
Библиотека
transformers
Опубликована
27 сен 2026

Phi4_attn_OASIS

Генерация текстаТекст → текст3 профессии

Исследовательский вариант Phi-4-mini-instruct с Softmax1 и AttentionResidual для генерации текста и экспериментов с маршрутизацией внимания между слоями.

591скачиваний за 30 дней0лайковвеса обновлены1 окт 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

Phi4attnOASIS — исследовательский чекпойнт из коллекции OASIS, разработанный на базе microsoft/Phi-4-mini-instruct для изучения маршрутизации внимания между слоями. Это плотная причинно-языковая модель семейства Phi с 3,8 млрд параметров и контекстом 4096 токенов; она принимает текст и генерирует текст. Вариант сочетает Softmax1 с нулевым слотом и AttentionResidual, связывая сигнал о нулевых весах на уровне токенов с маршрутизацией между слоями, чтобы ослабить доминирование attention sinks.

Модель предназначена для генерации текста и диалоговых экспериментов, а также для оценки perplexity, статистики активаций и устойчивости к квантизации в рамках исследования OASIS. Для загрузки требуется код моделирования OASIS: стандартный AutoModelForCausalLM не поддерживает дополнительные параметры и может молча отбросить их, в результате чего вариант OASIS не будет работать как задумано. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Сценарии применения

  • генерация текста в исследовательских экспериментах
  • диалоговые эксперименты на базе Phi-4-mini-instruct
  • оценка perplexity языковой модели
  • анализ маршрутизации внимания между слоями
  • сравнение устойчивости вариантов внимания к квантизации

Ограничения

Для корректной работы требуется код моделирования OASIS; загрузка стандартным AutoModelForCausalLM может отбросить дополнительные параметры и фактически запустить обычное внимание. Чекпойнт описан как исследовательский вариант, поэтому его результаты зависят от специальной реализации архитектуры.

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

Phi4_attn_OASIS

OASIS checkpoint built on Phi-4-mini-instruct: Softmax1 attention + AttentionResidual with null→depth-routing coupling. Research checkpoint from the paper Attention Sinks and Outliers in Attention Residuals (OASIS), part of the OASIS collection.

Model summary

Base modelmicrosoft/Phi-4-mini-instruct
VariantOASIS
Token-level attentionSoftmax1 (null slot)
Depth routingAttentionResidual
Null → depth coupling✓ inter-layer null signal
TrainingFine-tuned from Phi-4-mini-instruct (see the paper for the training setup)
Parameters4.14B (F32 + BF16)
Config classPhi3ForCausalLM
Licensemit (inherited from the base model)

About OASIS

AttnResidual architectures add a depth-wise normalization channel that improves inter-layer routing flexibility, but it also amplifies attention sinks, activation outliers, and the resulting loss of inference stability and quantization robustness. OASIS adds a Softmax1-based null space and couples token-level null evidence to depth routing through an inter-layer null signal, reducing sink-dominated routing. This repo is one arm of that comparison (OASIS, its ablations, and sink / vanilla baselines); see the table at the bottom for all variants.

Usage

⚠️ Weights only. The checkpoint contains extra AttentionResidual (and, where applicable, Softmax1 / sink) parameters that are not part of the stock Phi3ForCausalLM. Loading it with plain AutoModelForCausalLM silently drops those parameters and runs standard attention, so outputs will not reflect this variant. Build the model with the OASIS modeling code, then load the weights.

config.json still carries the base model's auto_map (configuration_phi3.py / modeling_phi3.py), but those files are not in this repo, so trust_remote_code=True currently fails and stock transformers falls back to the native Phi3ForCausalLM.

import glob, os, torch
from huggingface_hub import snapshot_download
from safetensors.torch import load_file
from transformers import AutoTokenizer

model_id = "robinzixuan/Phi4_attn_OASIS"
path = snapshot_download(model_id)
tokenizer = AutoTokenizer.from_pretrained(path)

state_dict = {}
for f in sorted(glob.glob(os.path.join(path, "*.safetensors"))):
    state_dict.update(load_file(f))

# TODO: replace with the model constructor from the OASIS codebase (variant="oasis")
model = build_oasis_model(path, variant="oasis")
missing, unexpected = model.load_state_dict(state_dict, strict=False)
assert not missing and not unexpected, (missing, unexpected)
model = model.to("cuda" if torch.cuda.is_available() else "cpu").eval()

inputs = tokenizer("Hello, ", return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=64)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

To see which parameters stock transformers would drop:

from transformers import AutoModelForCausalLM

_, info = AutoModelForCausalLM.from_pretrained("robinzixuan/Phi4_attn_OASIS", output_loading_info=True)
print(info["unexpected_keys"][:10])  # AttentionResidual / sink parameters ignored by Phi3ForCausalLM

Evaluation

all_results.json in this repo holds the evaluation perplexity and per-module activation statistics produced by the training/eval script. See the paper for the full attention-sink, outlier (‖·‖∞, kurtosis) and post-quantization (W8A8 / W4A4) comparisons across variants.

Base model

Architecture

  • config.json declares Phi3ForCausalLM with extra AttentionResidual + Softmax1 modules; requires the OASIS modeling code (see Usage).

OASIS collection

ModelBaseVariantContext
Phi4_attn_residualPhi-4-mini-instructVanilla AttnResidual baselinestandard
Phi4_attn_OASIS (this model)Phi-4-mini-instructOASISstandard
Phi4_attn_AoSPhi-4-mini-instructAoS (attention-only Softmax1)standard
qwen3-0.6b-oasisQwen3-0.6BOASISstandard
qwen3-0.6b-vanillaQwen3-0.6BVanilla AttnResidual baselinestandard
llama-3.2-1b-vanillaLlama-3.2-1BVanilla AttnResidual baselinestandard
llama-3.2-1b-oasisLlama-3.2-1BOASISstandard
oasis_llama3.2_1b_6kLlama-3.2-1BOASIS6k
vanilla_llama3.2_1b_6kLlama-3.2-1BVanilla AttnResidual baseline6k
oasis_qwen3_0.6b_6kQwen3-0.6BOASIS6k
vanilla_qwen3_0.6b_6kQwen3-0.6BVanilla AttnResidual baseline6k
sink_logit_llama3.2_1bLlama-3.2-1BSink baseline S1 (sink logit)6k
sink_token_llama3.2_1bLlama-3.2-1BSink baseline S2 (prefix sink)6k
s0_softmax1_noroute_llama3.2_1bLlama-3.2-1BAblation S0 (Softmax1, no routing)6k

Citation

@article{luo2026oasis,
  title   = {Attention Sinks and Outliers in Attention Residuals},
  author  = {Luo, Haozheng and Dai, Haoran and Zhang, Shaoyang and Chen, Xi and
             Jiang, Eric Hanchen and Li, Yijiang and Huang, Jingyuan and Qiu, Chenghao and
             Xu, Chenwei and Pan, Zhenyu and Zhang, Haotian and Wang, Binghui and Chen, Yan},
  journal = {arXiv preprint arXiv:2605.17887},
  year    = {2026}
}

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
59fa6ac

0 моделей