/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
looped_block_mtp · dense
Библиотека
transformers
Опубликована
5 сен 2026

hparam-92m-block-mtp-truncated-peak_lr-1e-3-wu-0p05-s42

Генерация текстаТекст → текст3 профессии

Экспериментальная 92-миллионная Block-MTP модель для генерации текста блоками по три токена.

122скачиваний за 30 дней0лайковвеса обновлены12 сен 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

Это экспериментальный чекпойнт Block-MTP размером 92 млн параметров от violetxi, опубликованный на шаге обучения 237865. Модель использует плотную авторегрессионную архитектуру BlockMTPForCausalLM с тремя рекуррентными проходами, которые оценивают следующий блок из трёх причинно упорядоченных токенов. В репозитории доступны веса Safetensors, конфигурация, токенизатор и реализация общего ядра для Transformers.

Модель предназначена для генерации текста блоками. Она принимает текстовые токены и поддерживает контекст длиной до 1 024 логических токенов с учётом блока запросов; доступны жадная генерация и сэмплирование. Кэширование KV и beam search не поддерживаются. README отмечает, что бенчмарк инференса при публикации не проводился, а выбор условий обучения зависит от валидации и критериев коллапса. Языковая специализация не заявлена. Условия лицензирования следует проверять по приложенным лицензиям адаптированного кода и файлам репозитория.

Сценарии применения

  • эксперименты с генерацией текста блоками
  • исследование рекуррентного предсказания нескольких токенов
  • сравнение схем обучения языковых моделей
  • генерация текста жадным декодированием или сэмплированием

Ограничения

Контекст ограничен 1 024 логическими токенами; KV caching и beam search не поддерживаются. Для этой публикации не приводится бенчмарк инференса.

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

92M Block-MTP — step 237865

Condition: 92m-blktrunc-lr1e3-wu05-s42. This branch contains ready-to-load model weights, config, tokenizer and the exact shared-core implementation. Each checkpoint has its own step-N branch. Install the packages in requirements.txt.

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "violetxi/hparam-92m-block-mtp-truncated-peak_lr-1e-3-wu-0p05-s42"
revision = "step-237865"
tokenizer = AutoTokenizer.from_pretrained(repo, revision=revision, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo, revision=revision, trust_remote_code=True, dtype=torch.bfloat16,
).to("cuda" if torch.cuda.is_available() else "cpu").eval()
inputs = tokenizer("Pe2e4 Pe7e5 Ng1f3", return_tensors="pt").to(model.device)
generated = model.generate(**inputs, max_new_tokens=20, do_sample=True,
                           temperature=1.0, top_k=0, top_p=1.0)
print(tokenizer.decode(generated[0], skip_special_tokens=True))

Evaluation semantics

Three recurrent passes score three fixed, causally ordered query slots. generate() commits that three-token block before the next recurrent block; the mask token (ID 81) cannot be generated. Sampling and greedy generation, padding and num_return_sequences are supported; KV caching and beam search are not supported. Context is 1,024 logical tokens including the query block.

model.block_logits(input_ids) returns [batch, 1, 3, vocab] for the next block. model(input_ids, labels=input_ids) uses the registered dense non-overlapping block loss: logits[:, t] scores token t+1, with every group of three seeing only the prefix before that group. It is not ordinary teacher-forced NTP. Benchmark inference is not performed by publication. Condition selection remains governed by the sweep's validation and collapse rules.

Safetensors values preserve the native model tensors exactly. Optimizer and RNG recovery state remains in the native archive; it is not needed for HF inference. training_summary.json binds this export to the native checksum and source versions. Adapted core code licenses are included alongside it.

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
BlockMTPForCausalLM
Ревизия весов
cbb6103

0 моделей