/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
huginn_raven · dense
Библиотека
transformers
Опубликована
8 ноя 2025

Recurrent-TinyLlama-3T-train-recurrence-16

Генерация текстаТекст → текст

Рекуррентная языковая модель на основе TinyLlama для генерации текста и экспериментов с глубиной вычислений при инференсе.

100скачиваний за 30 дней1лайквеса обновлены11 ноя 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

Recurrent-TinyLlama-3T-train-recurrence-16 — языковая модель авторегрессионной генерации текста из набора Retrofitting Recurrence, разработанного для изучения рекуррентной глубины в языковых моделях. В основе лежит архитектура RavenForCausalLM семейства Huginn Raven; модель создана на основе слоёв предварительно обученной TinyLlama и использует рекуррентное выполнение слоёв. В README указано, что файл моделирования основан на tomg-group-umd/huginn-0125.

Модель обучалась на текстовых данных, включая набор NVIDIA Nemotron-CC-Math-v1, и предназначена для продолжения текста и экспериментов с вычислительной глубиной: параметр num_steps позволяет менять число шагов вычисления при запуске. Это не модель для следования инструкциям. Она принимает текст и генерирует текст, поддерживает английский язык, а контекст составляет 2048 токенов. Репозиторий использует Transformers и формат safetensors.

Модель распространяется по лицензии Apache-2.0. Для применения требуется загрузка с trust_remote_code=True. Рекуррентный подход и возможность менять глубину вычисления полезны для исследований поведения и стоимости инференса, но пригодность для диалогов и выполнения инструкций не заявлена.

Сценарии применения

  • продолжение английского текста
  • генерация текста на основе математических обучающих данных
  • эксперименты с числом рекуррентных шагов при генерации
  • сравнение вычислительной глубины языковой модели

Ограничения

Модель не обучалась как instruction-модель, поэтому выполнение инструкций и диалоговый режим не заявлены. Контекст ограничен 2048 токенами, а для загрузки требуется trust_remote_code=True.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Recurrent-TinyLlama-3T-train-recurrence-16

Recurrent-TinyLlama-3T-train-recurrence-16 is part of the Retrofitting Recurrence set of models. A set of depth recurrent models trained by taking layers from pretrained feedforward language models (link to paper).

Downloading and Using the Model

Load the model like this:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("smcleish/Recurrent-TinyLlama-3T-train-recurrence-16", torch_dtype=torch.float32, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("smcleish/Recurrent-TinyLlama-3T-train-recurrence-16")

Modifying the Model's Depth at Test Time:

By providing the argument num_steps, the model will execute a forward pass with that amount of compute:

input_ids = tokenizer.encode("The capital of Westphalia is", return_tensors="pt", add_special_tokens=True).to(device)
model.eval()
model.to(device)
model(input_ids, num_steps=32)

Depth Recurrent Features

The modelling file is based on tomg-group-umd/huginn-0125, and therefore inherits all of the cool recurrent features demonstrated in the README.md for that model.

Training

We train using https://github.com/mcleish7/retrofitting-recurrence using AMD MI300A GPUs on Tuolumne at Lawrence Livermore National Laboratory.

Data

Train and validation data is taken from non-overlapping subsets of raw text data. As such it is not an instruction model.

Licence

This model is released under the apache-2.0 licence.

Contact

Please, feel free to contact us with any questions, or open a discussion thread.

Citation

@article{mcleish2025teaching,
    title={Teaching Pretrained Language Models to Think Deeper with Retrofitted Recurrence}, 
    author={Sean McLeish and Ang Li and John Kirchenbauer and Dayal Singh Kalra and Brian R. Bartoldson and Bhavya Kailkhura and Avi Schwarzschild and Jonas Geiping and Tom Goldstein and Micah Goldblum},
    journal={arXiv preprint arXiv:2511.07384},
    year={2025}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
RavenForCausalLM
Ревизия весов
f305026

0 моделей