/ Модель

Характеристики

Параметры
3,7 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
tokle · dense
Библиотека
transformers
Опубликована
29 сен 2026

Tokle-SPAB-3M

Генерация текстаТекст → текст3 профессии

Tokle-SPAB-3M — экспериментальная компактная англоязычная языковая модель для исследования генерации текста с механизмом смещения внимания SPAB.

946скачиваний за 30 дней15лайковвеса обновлены7 окт 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

Tokle-SPAB-3M — небольшая авторская языковая модель techdotus на базе декодерного трансформера с причинной языковой моделью (TokleForCausalLM). По карточке, в модели 2,91 млн обучаемых параметров и 8,39 млн замороженных параметров SPAB; метаданные указывают 3,7 млн параметров. SPAB добавляет к логитам внимания смещение, рассчитанное по PMI для пар токенов. Модель обучена на 12 млрд токенов из англоязычных веб-, образовательных и математических данных.

Модель предназначена для экспериментов с малыми языковыми моделями и генерации английского текста. В карточке приведены результаты тестов на рассуждениях, вопросах по естественным наукам и арифметике; они не означают, что модель надёжна как универсальный помощник. Максимальная длина контекста — 512 токенов. Модель не проходила настройку на инструкции или выравнивание безопасности, а генерации могут быть повторяющимися, бессвязными или фактически неверными. Для загрузки пользовательской архитектуры в Transformers требуется trust_remote_code=True. Лицензия — CC BY-NC-SA 4.0; коммерческое использование не разрешено условиями лицензии.

Сценарии применения

  • эксперименты с архитектурами малых языковых моделей
  • генерация коротких фрагментов английского текста
  • сравнение причинных языковых моделей на учебных тестах
  • исследование влияния статистики совместной встречаемости токенов на внимание

Ограничения

Модель очень мала и может генерировать повторяющийся, бессвязный или фактически неверный текст; она не настроена на инструкции и не выровнена по безопасности. Контекст ограничен 512 токенами, модель обучена только на английском языке.

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

Tokle-SPAB-3M

Model Summary

Tokle-SPAB-3M is a decoder-only language model trained on 12B tokens, with 2.91M trainable parameters and 8.39M frozen SPAB parameters, for a total of 11.3M parameters. Its main architectural addition is SPAB (Static Pairwise Attention Bias), a frozen table of token-pair association scores built from Pointwise Mutual Information (PMI) over the training corpus and added to the attention logits.

For every query-key pair, SPAB hashes the two token IDs into the table, pulls out their PMI value, multiplies it by a learned per-head scale, and adds it to the attention logits before softmax. The bias ignores position and depends only on which tokens are involved, so the model starts training already knowing which tokens tend to co-occur. It only has to learn how much to trust that prior.

Model Architecture

ParameterValue
ArchitectureCustom decoder-only transformer + SPAB
Layers9
Hidden size (d_model)144
Attention heads3
KV heads (GQA)1 (multi-query attention)
Head dim48
FFN intermediate size432
Max sequence length512
Trainable parameters2,908,947
Frozen SPAB table8,388,608 (float32 buffer)

How to use

This model uses a custom architecture, so it needs trust_remote_code=True.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "techdotus/Tokle-SPAB-3M"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True).eval()

ids = tok("The climate change", return_tensors="pt")
with torch.no_grad():
    out = model.generate(**ids, max_new_tokens=32, do_sample=False, repetition_penalty=1.3)  # greedy
print(tok.decode(out[0], skip_special_tokens=True))

Benchmark Results

All scores are 0-shot acc_norm, using the Open SLM Leaderboard methodology:

HellaswagARC-EasyARC-ChallengePIQAArithmark-3
27.22%34.68%24.49%54.95%41.70%

Training Data Details

We trained on a curated mixture with a strict cleaning pipeline that also removed topics not useful for a model of this size.

SourcePercentage
FineWeb-Edu43.1%
Cosmopedia24.3%
OpenMathInstruct-213.5%
Tiny Strange Textbooks9.0%
MegaScience (medicine & biology, custom curated)5.0%
High-Quality English Sentences3.0%
ScienceQA1.2%
Orca-Math Word Problems 200k0.9%
Total100%
  • Tokenizer: all data was tokenized with the model's 5,048-token BPE tokenizer, and 1% was held out for validation.
  • Blending: sources were blended per dataset using the weights above.

Limitations

  • Tiny model: with ~2.9M trainable parameters, ~8.39M frozen SPAB parameters and 144-dim hidden states, generations are often repetitive, incoherent or factually wrong. The model is a research artifact for studying small-scale LMs, not an assistant.
  • Short context: 512 tokens maximum. RoPE tables are not built beyond that length.
  • English only: trained on English web, educational, synthetic and math text.
  • Not instruction-tuned or safety-aligned: it may reproduce biases present in web data.

Licenses

Code: MIT. The modeling code, tokenizer, and training scripts are released under the MIT license.

Weights: CC BY-NC-SA 4.0. The training data includes MegaScience (CC BY-NC-SA 4.0), so the weights are released under the same terms: attribution required, non-commercial use only, and derivatives (including fine-tunes) must be shared under the same license.

Citation

@misc{tokle2026,
  title        = {{Tokle-SPAB-3M}: Pointwise Mutual Information as an Inductive Bias for Self-Attention},
  author       = {{Tech.us Team}},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/techdotus/Tokle-SPAB-3M}}
}

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
TokleForCausalLM
Ревизия весов
5e71f26

0 моделей