/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Размер весов
5,2 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Библиотека
transformers
Опубликована
26 июл 2026

sink_token_llama3.2_1b

Генерация текстаТекст → текст3 профессии

Исследовательский вариант Llama 3.2 1B с обучаемыми sink-слотами внимания для генерации текста и изучения устойчивости архитектуры.

338скачиваний 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

Это исследовательский чекпойнт Sink baseline S2 из коллекции OASIS, созданный на базе Meta Llama 3.2 1B. В модели добавлен обучаемый слот ключа и значения (K/V) для каждой головы внимания; каждый запрос может обращаться к этому слоту. Архитектура основана на LlamaForCausalLM с дополнительными модулями AttentionResidual и sink. Модель предназначена для генерации текста и изучения влияния attention sinks, выбросов активаций и квантования на работу языковых моделей.

Контекст составляет 131 072 токена. Для загрузки с сохранением варианта S2 нужны веса вместе с кодом моделирования OASIS: стандартный AutoModelForCausalLM может отбросить дополнительные параметры и выполнять обычное внимание. Лицензия — Llama 3.2.

Сценарии применения

  • эксперименты с sink-слотами в механизме внимания
  • сравнение базовых вариантов attention sinks
  • анализ выбросов активаций в языковых моделях
  • оценка устойчивости модели после квантования
  • генерация текста с архитектурой Sink baseline S2

Ограничения

Для сохранения поведения варианта S2 требуются код моделирования OASIS и загрузка дополнительных параметров; стандартный AutoModelForCausalLM может молча отбросить их. README описывает чекпойнт как исследовательский, а не как готовую прикладную модель.

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

sink_token_llama3.2_1b

Sink baseline S2 (prefix sink) checkpoint built on Llama-3.2-1B: a learnable per-head sink K/V slot every query can attend to (carries a learnable value). Research checkpoint from the paper Attention Sinks and Outliers in Attention Residuals (OASIS), part of the OASIS collection.

Model summary

Base modelmeta-llama/Llama-3.2-1B
VariantSink baseline S2 (prefix sink)
Token-level attentionSoftmax over learnable per-head sink K/V slot
Depth routingAttentionResidual
Null → depth coupling✗
TrainingContinued training at block size 6,144 on BookCorpus + Wikipedia + LongAlpaca
Parameters1.30B (F32)
Config classLlamaForCausalLM
Licensellama3.2 (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 LlamaForCausalLM. 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.

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

model_id = "robinzixuan/sink_token_llama3.2_1b"
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="sink_token")
model = build_oasis_model(path, variant="sink_token")
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/sink_token_llama3.2_1b", output_loading_info=True)
print(info["unexpected_keys"][:10])  # AttentionResidual / sink parameters ignored by LlamaForCausalLM

Evaluation

See the paper for the attention-sink, outlier (‖·‖∞, kurtosis) and post-quantization (W8A8 / W4A4) comparisons across variants.

Base model

Architecture

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

OASIS collection

ModelBaseVariantContext
Phi4_attn_residualPhi-4-mini-instructVanilla AttnResidual baselinestandard
Phi4_attn_OASISPhi-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_1b (this model)Llama-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}
}

Built with Llama. Llama 3.2 is licensed under the Llama 3.2 Community License, Copyright © Meta Platforms, Inc. All Rights Reserved.

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
19e5036

0 моделей