/ 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-32

Генерация текстаТекст → текст3 профессии

Экспериментальная рекуррентная версия TinyLlama для генерации текста и изучения влияния числа вычислительных шагов.

606скачиваний за 30 дней2лайкавеса 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-32 — экспериментальная рекуррентная языковая модель из набора Retrofitting Recurrence, разработанная автором smcleish. Модель получена на основе предварительно обученной TinyLlama: её слои преобразованы для рекуррентного выполнения, а обучение проведено на непересекающихся выборках текстовых данных из датасета NVIDIA Nemotron-CC-Math-v1. Это не модель, настроенная на выполнение инструкций.

Модель предназначена для генерации текста и экспериментов с глубиной вычислений: параметр num_steps позволяет менять число шагов рекуррентного прохода во время вывода. Архитектура — плотная причинная языковая модель RavenForCausalLM, реализованная через Transformers; указанное нативное контекстное окно составляет 2048 токенов. Для загрузки автор указывает trust_remote_code=True.

Модель принимает текст и генерирует текст; карточка указывает английский язык. Лицензия — Apache-2.0. Практическое ограничение: модель не обучалась следовать инструкциям, поэтому её не следует считать готовым чат-ассистентом; поведение при разных значениях num_steps может требовать отдельной оценки.

Сценарии применения

  • генерация продолжений английского текста
  • эксперименты с рекуррентными языковыми моделями
  • сравнение качества генерации при разном числе шагов вычислений

Ограничения

Модель обучалась на сырых текстовых данных и не предназначена для выполнения инструкций. В README для загрузки указан trust_remote_code=True; поведение при настройке num_steps следует оценивать отдельно.

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

Recurrent-TinyLlama-3T-train-recurrence-32

Recurrent-TinyLlama-3T-train-recurrence-32 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-32", torch_dtype=torch.float32, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("smcleish/Recurrent-TinyLlama-3T-train-recurrence-32")

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
2579b6a

0 моделей