/ Модель

Характеристики

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

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

Генерация текстаТекст → текст3 профессии

Экспериментальная языковая модель Block-MTP на 92 млн параметров генерирует текст блоками по три токена в контексте до 1 024 токенов.

99скачиваний 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

Экспериментальная авторегрессионная модель Block-MTP размером 92 млн параметров от violetxi, опубликованная на шаге обучения 10 000. Она предназначена для генерации текста блоками по три токена: три рекуррентных прохода оценивают три причинно упорядоченные позиции, а генерация фиксирует блок перед переходом к следующему. Модель использует архитектуру BlockMTPForCausalLM и библиотеку Transformers; контекст составляет 1 024 логических токена с учётом блока запросов.

В README описаны поддержка жадной и сэмплирующей генерации, дополнения до длины пакета и нескольких возвращаемых последовательностей. Модель обучалась с блочной функцией потерь, которая отличается от обычного предсказания следующего токена с teacher forcing. Кэширование KV и beam search не поддерживаются; оценка качества при публикации не проводилась. В метаданных указан формат safetensors. Лицензия не определена по предоставленным данным.

Сценарии применения

  • эксперименты с генерацией текста блоками по три токена
  • исследование рекуррентной архитектуры Block-MTP
  • тестирование жадной генерации текста
  • тестирование сэмплирующей генерации текста

Ограничения

Качество генерации при публикации не оценивалось; кэширование KV и beam search не поддерживаются. Обучение использует блочную функцию потерь, отличающуюся от обычного предсказания следующего токена с teacher forcing.

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 10000

Condition: 92m-blktrunc-lr3e3-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-3e-3-wu-0p05-s42"
revision = "step-10000"
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
ea02a84

0 моделей