/ Модель

Характеристики

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

gdn-nooutgate-340m-pas-fa-layer12-10b

Генерация текстаТекст → текст3 профессии

Экспериментальная языковая модель GatedDeltaNet на 340M параметров для генерации текста и исследования массивных активаций в гибридном линейном внимании.

18скачиваний 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

Экспериментальный чекпойнт GatedDeltaNet с примерно 385 млн параметров (в README размер обозначен как 340M), выпущенный StartluxLabs для исследования массивных активаций в языковых моделях с гибридным линейным вниманием. Модель обучалась с нуля на открытых данных в контролируемом предобучении объёмом 10 млрд токенов; она не настроена на инструкции и предназначена для продолжения текста и анализа поведения архитектуры, включая PAS/ISP, размещение слоёв внимания и выходное гейтирование.

Модель использует архитектуру GatedDeltaNetForCausalLM и принимает текст, выдавая текст. Нативный контекст — 4096 токенов. Карточка указывает Apache-2.0. Для воспроизводимого анализа авторы рекомендуют закреплённую среду и инструменты из репозитория проекта; опубликованные эксперименты описывают совместимость с FLA v0.5.2 и CUDA 12.6.

Сценарии применения

  • продолжение текстового промпта
  • изучение массивных активаций в языковых моделях
  • анализ PAS/ISP-морфологии активаций
  • исследование размещения слоёв внимания
  • сравнение влияния выходного гейтирования

Ограничения

Модель не настроена на инструкции или безопасность и не проверена для производственного применения. Downstream-точность, фактичность, предвзятость, устойчивость, приватность и безопасность не оценивались всесторонне; языковой охват нельзя установить по опубликованным сведениям.

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-nooutgate-340m-pas-fa-layer12-10b

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-nooutgate-340m-pas-fa-layer12-10b
Scale340M
Training tokens10B
ExperimentPAS
Full-attention layers12 (one-based)
Output-gating variantGDN and full-attention output gates disabled
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-nooutgate-340m-pas-fa-layer12-10b"

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
ddbeedf

0 моделей