/ 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-5-wu-0p05-s42

Генерация текстаТекст → текст3 профессии

Экспериментальная 92-миллионная Block-MTP модель для генерации текста блоками по три токена с контекстом 1 024 токена.

165скачиваний 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

Модель violetxi/hparam-92m-block-mtp-truncated-peak_lr-1e-5-wu-0p05-s42 — экспериментальный чекпойнт на 92 млн параметров семейства Block-MTP, разработанный автором репозитория violetxi. Это плотная причинная языковая модель с архитектурой BlockMTPForCausalLM: три рекуррентных прохода оценивают следующий блок из трёх упорядоченных токенов, а обучение использует блочную функцию потерь, отличающуюся от обычного teacher-forced next-token prediction. Модель предназначена для генерации текста и изучения блочного предсказания токенов; контекст составляет 1 024 логических токена с учётом блока запросов.

Веса и конфигурация доступны в формате Safetensors, для загрузки используется Transformers и реализация общего ядра из репозитория. Поддерживаются жадная генерация и сэмплирование, заполнение последовательностей и несколько возвращаемых вариантов. Кэширование KV и beam search не поддерживаются. README не приводит результаты бенчмарков, поэтому качество и пригодность для конкретного применения по карточке оценить нельзя. Указано включение лицензий адаптированного кода, но конкретный тип лицензии в предоставленных данных не назван.

Сценарии применения

  • эксперименты с блочным предсказанием следующих токенов
  • генерация текста жадным декодированием
  • генерация текста сэмплированием
  • сравнение функций потерь для причинных языковых моделей

Ограничения

Не поддерживаются KV-кэширование и beam search; README не содержит результатов бенчмарков. Языки модели и конкретная лицензия в предоставленных данных не установлены.

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 52078

Condition: 92m-blktrunc-lr1e5-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-5-wu-0p05-s42"
revision = "step-52078"
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
2b32843

0 моделей