/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
385 млн
Лицензия
Apache 2.0
Архитектура
gated_deltanet · dense
Библиотека
transformers
Опубликована
13 авг 2026

gdn-340m-pas-fa-layer04-10b

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт GatedDeltaNet на 385,1 млн параметров для изучения массивных активаций в моделях с гибридным линейным вниманием.

21скачиваний за 30 дней0лайковвеса обновлены13 авг 2026

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

Контрольный чекпойнт GatedDeltaNet на 385,1 млн параметров, выпущенный StartluxLabs для исследования массивных активаций в языковых моделях с гибридным линейным вниманием. Модель обучена с нуля на открытых данных с использованием 10 млрд токенов; веса опубликованы в формате safetensors. Контекст составляет 4096 токенов.

Чекпойнт предназначен для воспроизводимого анализа архитектур гибридного линейного внимания, всплесков перед вниманием и плато между всплесками, размещения слоёв внимания и выходного гейтинга. Это базовая модель генерации текста без дообучения для следования инструкциям и без настройки безопасности, поэтому её не следует считать готовой к прикладному развёртыванию. Языковой и тематический охват данных, а также качество на прикладных задачах не установлены. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • анализ всплесков активаций в языковой модели
  • изучение плато между всплесками в слоях внимания
  • воспроизведение экспериментов по гибридному линейному вниманию
  • сравнение размещения слоёв внимания и выходного гейтинга

Ограничения

Модель не настроена на выполнение инструкций или безопасность и не проверена для производственного применения. Качество, устойчивость, безопасность и языковой охват не оценены; состав обучающих данных по языкам и тематикам не раскрыт.

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

gdn-340m-pas-fa-layer04-10b

This is a 340M controlled-pretraining checkpoint released for the paper Massive Activations in Hybrid Linear Attention Large Language Models: Pre-Attention Spikes and Inter-Spike Plateaus.

It is one member of the Massive Activations HLA model release and the corresponding Hugging Face Collection. The official analysis and reproducibility code is available at StartluxLabs/Massive-Activations-HLA.

Checkpoint details

FieldValue
Modelgdn-340m-pas-fa-layer04-10b
Scale340M
Training tokens10B
ExperimentPAS
Full-attention layers4 (one-based)
Output-gating variantBaseline
Final training step19073
Weight formatSafetensors

Compatibility and reproducibility scope

This checkpoint loads with the public, pinned environment documented in the GitHub repository:

conda create -n ma-hla python=3.12 -y
conda activate ma-hla
bash scripts/install_released_gdn_cu126.sh

Public FLA is pinned to v0.5.2, commit 9c8e42e762fce087c27b673af4922795d9edb85e. Exact A800/CUDA 12.6 package versions are recorded in requirements/released-gdn-cu126.txt.

Loading

REPO_ID = "startlux-models/gdn-340m-pas-fa-layer04-10b"

Register the public FLA architecture before using Transformers directly:

import fla.models.gated_deltanet  # registers the custom config/model
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained(REPO_ID)
model = AutoModelForCausalLM.from_pretrained(
    REPO_ID,
    torch_dtype="auto",
)

For analysis, prefer the GitHub registry and scripts because they validate the FLA version and recover full-attention layer metadata consistently.

Reproduction

Use the official GitHub repository for the tested analysis workflow, PAS/ISP metrics, lifecycle atlases, installation instructions, and model registry:

Intended use and limitations

This checkpoint is a research artifact for studying massive activations, hybrid linear-attention architectures, PAS/ISP morphology, attention placement, output gating, and scale. It is not instruction-tuned, safety-tuned, or validated for production deployment. It has not been comprehensively evaluated for downstream accuracy, factuality, bias, robustness, privacy, or safety.

The checkpoint uses the custom Transformers architecture GatedDeltaNetForCausalLM (model_type="gated_deltanet").

Training data

The model was trained from scratch on open data. A dataset-level composition and sampling breakdown is not included in this release; users should not infer language or domain coverage beyond the published project materials.

Citation

Please cite the accompanying paper. The arXiv link and final BibTeX entry will be added after the preprint metadata is public.

License

The released model artifacts are available under the Apache License 2.0. See LICENSE. Third-party software and datasets retain their own licenses and terms.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура gated_deltanet неизвестна transformers в образе рантайма.

Класс архитектуры
GatedDeltaNetForCausalLM
Ревизия весов
2b0a608

0 моделей