/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
4 окт 2026

anlp-a2-optimizers-muon

Генерация текстаТекст → текст

Небольшая англоязычная трансформерная модель для генерации текста и экспериментов с оптимизатором Muon.

135скачиваний за 30 дней0лайковвеса обновлены4 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

Небольшая авторская языковая модель, созданная для задания по продвинутой обработке естественного языка Monsoon 2026. Модель обучена с оптимизатором Muon на корпусе browndw/human-ai-parallel-corpus; в карточке указано 10,4 млн параметров и около 42 млн обучающих токенов. Это трансформер с 8 слоями, 8 головами внимания и размерностью 256, с позиционными RoPE-эмбеддингами и контекстом 256 токенов.

Модель предназначена для генерации текста на английском языке и учебных экспериментов с оптимизатором Muon. На тесте автор сообщает loss 4,435, perplexity 84,345, точность 0,296 и BLEU 0,561. Это малый учебный чекпойнт, поэтому его возможности и качество генерации ограничены; в README не приведены дополнительные инструкции по применению. Лицензия — MIT.

Сценарии применения

  • эксперименты с обучением языковых моделей на Muon
  • генерация коротких англоязычных фрагментов текста
  • учебное сравнение оптимизаторов для трансформеров

Ограничения

Модель мала по размеру и обучена на ограниченном объёме токенов, поэтому качество и область применения генерации ограничены. Контекст составляет 256 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

anlp-a2-optimizers-muon

Advanced NLP (Monsoon 2026), Assignment 2.

Part 2, optimizer muon. 10.4M params, trained on 42090496 tokens = 0.33x Chinchilla. Best checkpoint by validation loss; test loss 4.435, ppl 84.345, acc 0.296, bleu 0.561.

Run

itemvalue
parameters10.4M
training step5138
wandbhttps://wandb.ai/winterdew-iiit-hyderabad/anlp-a2-part2/runs/usn0ep6d

Hyperparameters

settingvalue
optimizerMuon
max_grad_norm1.0
weight_decay0.1, 0.1, 0.0
use_muonTrue, False, False
momentum0.95
betas(0.9, 0.95)
eps1e-08
lr0.02, 0.0001, 0.0001
param_groups3
trainable_params10391808
schedulelinear warmup 2% then cosine to 0% of peak
batch_size32
grad_accum1
tokens_per_step8192
n_ctx256
total_steps5137
warmup_steps102
trained_tokens42090496
chinchilla_ratio0.3342
precisionfp16
seed26

Model config

{
  "vocab_size": 16000,
  "n_ctx": 256,
  "rope_base": 10000.0,
  "d_model": 256,
  "n_heads": 8,
  "n_layers": 8,
  "d_ff": 1024,
  "dropout": 0.1,
  "tie_embeddings": true,
  "use_moe": false,
  "n_experts": 4,
  "n_active": 1,
  "n_shared": 0,
  "match_active": false,
  "moe_aux_weight": 0.01
}

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
75b9540

0 моделей