/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
mira · dense
Библиотека
transformers
Опубликована
21 сен 2026

MiraLM-47M

Генерация текстаТекст → текст3 профессии

Компактная гибридная языковая модель, обученная с нуля для генерации текста и демонстрации полного цикла обучения при жёстком ограничении размера.

215скачиваний за 30 дней0лайковвеса обновлены1 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

MiraLM-47M — гибридная языковая модель на 47,6 млн параметров, разработанная vaprooll и обученная с нуля без предобученных весов и дистилляции. Архитектура чередует блоки Mamba и attention и использует разреженную смесь из восьми экспертов с выбором двух экспертов для каждого токена; в метаданных класс модели указан как MiraLMForCausalLM.

Модель предназначена для генерации текста и служит компактным экспериментальным чекпойнтом, демонстрирующим полный цикл обучения и оценки в ограниченном бюджете. Она обучалась на 45 млн токенов из кода, математики и веб-текстов; автор приводит результаты на тестах HellaSwag, ARC-Easy, PIQA, WinoGrande и WikiText-103. README отмечает, что модель существенно недообучена, результаты на тестах здравого смысла близки к случайному уровню, а качество на прозе ограничено сдвигом домена. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с обучением компактных языковых моделей
  • исследование сочетания Mamba, attention и смеси экспертов
  • демонстрация полного конвейера обучения и оценки модели
  • генерация текста в исследовательских прототипах

Ограничения

Модель недообучена: автор сообщает, что результаты на тестах здравого смысла близки к случайному уровню, а perplexity на WikiText-103 высока из-за различия между обучающими данными и прозой. Лицензия в предоставленных материалах не указана.

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

MiraLM-47M

A 47,640,968-parameter hybrid language model trained from scratch — no pretrained weights, no distillation — under a hard 50,000,000 cap, on a single Tesla T4. Interleaved Mamba ∥ attention blocks (Jamba-style) with a sparse top-2-of-8 mixture of experts whose router is domain-seeded by a guide loss.

This repository holds the step-11,000 best checkpoint (train loss 2.2113, perplexity 9.13) — the run that carries the measured results below. The step-17,000 "last" checkpoint diverged (loss 2.587) and is deliberately not published.

Measured results

ModelHellaSwagARC-EasyPIQAWinoGrandeWikiText-103 PPL
MiraLM-47M33.027.050.050.22837.6

Read honestly: at 47.6M parameters and 45,056,000 tokens — roughly 4.7% of the Chinchilla-optimal budget for this size — the model is undertrained by construction. Multiple-choice commonsense sits near its random floor, and the WikiText-103 perplexity reflects a domain shift, since the training corpus is code / math / web text, not prose. The claim is not "we win on HellaSwag". It is that the whole pipeline — architecture, budget enforcement, data, routing, structured SFT, evaluation — runs end to end, reproduces from one config, and fits the ceiling.

Load it

git clone https://github.com/qtttyr/MiraLM && cd MiraLM
from src.model.hf_interface import MiraLMForCausalLM  # registers model_type "mira"
from transformers import AutoTokenizer

repo = "vaprooll/MiraLM-47M"
model = MiraLMForCausalLM.from_pretrained(repo).eval()
tok   = AutoTokenizer.from_pretrained(repo)

prompt = "<|json|> Return a JSON object with product, price and stock: product mug, price 500, stock 23."
ids = tok(prompt, return_tensors="pt")
out = model.generate(**ids, max_new_tokens=64, do_sample=False)
print(tok.decode(out[0][ids["input_ids"].shape[1]:]))

No trust_remote_code needed: importing hf_interface registers the mira model type locally, so from_pretrained resolves the checkpoint.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура mira неизвестна transformers в образе рантайма.

Класс архитектуры
MiraLMForCausalLM
Ревизия весов
9c0aad1

0 моделей