/ Модель

Характеристики

Контекст
8 192 токена
Параметры
174 млн
Лицензия
Apache 2.0
Архитектура
ncp_smol · dense
Базовая модель
SmolLM2-135M
Библиотека
transformers
Опубликована
29 сен 2026

Tessera-135M-Gate

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная модель генерации текста на базе SmolLM2-135M, созданная для проверки обучения с предсказанием концептов.

525скачиваний 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

Tessera-135M-Gate — экспериментальный чекпойнт семейства Tessera от yava-code: дообученная модель на базе HuggingFaceTB/SmolLM2-135M с архитектурой Next Concept Prediction (NCP). Она создана как небольшой проверочный запуск, чтобы подтвердить, что путь обучения с кодированием концептов, причинными блоками концептов и обратной связью работает до масштабного обучения. Модель предназначена для генерации текста и анализа поведения концептного канала в исследовательских экспериментах, а не для получения качественных ответов на пользовательские запросы.

Чекпойнт содержит 174,3 млн параметров и использует плотную причинную языковую архитектуру NcpSmolForCausalLM. В эксперименте применялся намеренно переобученный поднабор TinyStories; README сообщает, что при обнулении обратной связи ухудшение тестовой потери подтверждает использование канала концептов, но малая эффективная энтропия кодовой книги выявила ограничение этого подхода при данном масштабе. Базовая модель ориентирована на английский язык. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • изучение влияния канала концептов на генерацию текста
  • проверка обучения архитектуры Next Concept Prediction на малом масштабе
  • воспроизведение экспериментов с кодированием и обратной связью концептов

Ограничения

README прямо указывает, что это не результат по качеству языковой модели и не модель для прикладного использования; обучение проводилось на намеренно переобученном поднаборе TinyStories. Эффективная энтропия кодовой книги оставалась низкой, поэтому наблюдаемое поведение на малом масштабе может не переноситься на более крупное обучение.

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

Tessera-135M-Gate

The smallest member of the Tessera family, and the reason the bigger ones exist. This 135M architecture-gate checkpoint (a HuggingFaceTB/SmolLM2-135M backbone with the full Next Concept Prediction path) was trained on a deliberately overfit TinyStories subset before any large spend, to prove the whole path - concept pooling, quantized codes, causal concept blocks, feedback - trains end to end. It is not a language-model quality result, and it is not meant to be: what makes it worth publishing is what broke, and what the break predicted at scale.

TL;DR

Small and cheap on purpose: this gate run exists to de-risk the 1B-token comparison before spending on it. It earned its keep in both directions.

  • All three objectives train (NTP, NCP, VQ fell 41 to 43% over the run), and the decoder causally uses the concept channel even at 135M: zeroing the feedback costs +0.0205 nats of held-out NTP loss.
  • It also caught a real failure mode: effective codebook perplexity stayed near 2.4 with usage around a third of the codebook, and shuffled feedback cost nothing - a low-entropy shortcut the 1B-token run later left far behind. Gate small, then scale: some behaviors only appear above a scale threshold.

Numbers

The raw record this narrative is built from; per-arm READMEs and the whitepaper hold the full analysis.

MetricValue
Held-out NTP loss1.8751
Held-out perplexity6.5213
Zero feedback delta0.0205
Shuffled feedback delta0.0000
Codebook perplexity / usage2.4087 / 33.0%
Training tokens16,777,216
Tracked compute estimate$1.38

Intervention deltas are increases in held-out NTP loss relative to normal predicted concept feedback, evaluated on identical batches.

Architecture

  • chunk size: 4
  • product code: 9 segments x 64 entries
  • causal concept blocks: 2
  • injection point: before token decoder block 2
  • NCP target: next continuous concept
  • loss: L_ntp + 1 L_ncp + 1 L_vq

This is a compact ConceptLM-style implementation, not an 8.9B NCP-ArchPreview replica. It omits iterative residual coding, cross-scale residual connections, and the large-scale training recipe.

Training data and provenance

The matched corpus and the training record are pinned in the ncp-smol repository: packed-cache SHA256 hashes, the complete metric log, trainer state, and the raw intervention evaluation JSON (also shipped in this repository as eval.json and metrics.jsonl).

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("yava-code/Tessera-135M-Gate")
model = AutoModelForCausalLM.from_pretrained("yava-code/Tessera-135M-Gate", trust_remote_code=True)

The Tessera family

Three checkpoints, one story, in reading order:

All cards are generated from the run artifacts by the same build_card; the study repository holds the whitepaper and full records.

References

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
NcpSmolForCausalLM
Ревизия весов
4c542e3

0 моделей