/ Модель

Характеристики

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

gdn-gatedfa-340m-isp-hybrid-3to1-10b

Генерация текстаТекст → текст3 профессии

Исследовательская языковая модель GatedDeltaNet на 340 млн параметров для изучения массивных активаций и гибридного линейного внимания.

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

gdn-gatedfa-340m-isp-hybrid-3to1-10b — исследовательский чекпойнт на 340 млн параметров, выпущенный StartluxLabs для статьи о массивных активациях в больших языковых моделях с гибридным линейным вниманием. Модель обучена с нуля на 10 млрд токенов; её архитектура GatedDeltaNet сочетает гибридное линейное внимание и полные слои внимания с выходным гейтом для каждой головы. Нативный контекст составляет 4096 токенов.

Чекпойнт предназначен для изучения массивных активаций, морфологии PAS/ISP, размещения слоёв внимания, выходного гейтинга и масштабирования модели. Это только веса: точная интеграция GatedDeltaNet не опубликована, поэтому модель не запускается напрямую без совместимой локальной реализации. Она не настроена на выполнение инструкций и не прошла всестороннюю оценку качества, безопасности и надёжности для прикладных задач. Лицензия — Apache-2.0.

Сценарии применения

  • изучение массивных активаций в языковых моделях
  • анализ PAS/ISP-морфологии активаций
  • исследование гибридных архитектур линейного и полного внимания
  • сравнение размещения слоёв внимания и выходного гейтинга
  • воспроизведение экспериментов по масштабированию языковых моделей

Ограничения

Это артефакт для исследований, а не готовая к запуску модель: точная интеграция архитектуры не опубликована, и для загрузки требуется совместимая локальная реализация. Модель не настроена на инструкции и не прошла всестороннюю оценку точности, безопасности и надёжности; языковое покрытие нельзя выводить из доступных материалов.

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-gatedfa-340m-isp-hybrid-3to1-10b

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-gatedfa-340m-isp-hybrid-3to1-10b
Scale340M
Training tokens10B
ExperimentISP
Full-attention layers3, 6, 9, 12, 15, 18, 21, 24 (one-based)
Output-gating variantGDN and full-attention output gates enabled
Final training step19073
Weight formatSafetensors

Compatibility and reproducibility scope

The checkpoint is a weights-only research artifact. Its full-attention layers use a post-SDPA, head-specific sigmoid output gate inspired by the G1 design in Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free (official code). The exact GatedDeltaNet integration is not distributed, so this checkpoint is not part of the public from-scratch quickstart. The repository loader raises an explicit compatibility message unless a user deliberately configures a compatible local implementation.

Loading

REPO_ID = "startlux-models/gdn-gatedfa-340m-isp-hybrid-3to1-10b"

The files can be downloaded without a Hugging Face subfolder argument:

from huggingface_hub import snapshot_download

local_path = snapshot_download(REPO_ID)

Downloading the weights does not make this variant directly executable; see the compatibility scope above.

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
708a3a1

0 моделей