SLM-Tavenel 362M
компактная языковая модель с нуля на одной ноутбучной GPU
2 min readupdated
Экспериментальная базовая LLM (большая языковая модель) на 362 млн параметров от автора athenista для продолжения текста на английском и французском языках. Модель обучена с нуля без опоры на готовые веса на образовательных веб-датасетах FineWeb-Edu и FineWeb2-HQ, но не проходила instruction-tuning (настройку под диалог и выполнение команд). В отличие от младшей версии SLM-Tavenel 124M, она чуть точнее предсказывает образовательные тексты, но не обходит её по среднему баллу на шести стандартных бенчмарках — автор честно публикует этот отрицательный результат вместе с полными логами обучения. Релиз пригодится исследователям и энтузиастам, которые изучают претрейн небольших моделей на ограниченном железе.
Ключевые особенности
- Обучена с нуля на одной ноутбучной видеокарте NVIDIA RTX 4060 (8 ГБ) за 8 000 шагов и 524 млн токенов.
- Современная архитектура каузального декодера: GQA (групповое внимание: 15 query- и 5 key/value-голов), SwiGLU, RoPE (theta 100 000) и входной сигмоидный гейт на выход внимания.
- Использует токенизатор SmolLM2 на 49 152 токена и поддерживает контекстное окно до 2 048 токенов с KV-кэшем.
- Полная воспроизводимость: выложены манифесты корпуса, логи потерь и энергопотребления, а также проверочные логиты.
Что можно сделать
- Изучить пайплайн претрейна компактной двуязычной модели на 8 ГБ VRAM (видеопамяти) по открытым логам и манифестам автора.
- Использовать как базовый чекпоинт для собственных экспериментов с дообучением (SFT) на английских или французских текстах.
- Сравнить поведение архитектур разного масштаба (124M против 362M) при ограниченном бюджете токенов.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
model_id = "athenista/slm-tavenel-362m"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, dtype=torch.float32).eval()
inputs = tokenizer("La recherche scientifique permet de", return_tensors="pt")
print(tokenizer.decode(model.generate(**inputs, max_new_tokens=48)[0], skip_special_tokens=True))
Подробнее
Бенчмарки (raw acc): среднее по 6 задачам — 0.348 (против 0.352 у SLM-Tavenel 124M и 0.467 у SmolLM2 360M); ARC-Easy — 0.484, WinoGrande — 0.512, Belebele EN/FR — 0.298/0.302.На тестовом образовательном сплите (10 156 документов) BPB составил 1.0572 против 1.0686 у версии 124M (меньше — лучше).
Железо и вес: веса в float32 занимают ~1.45 ГБ, KV-кэш на 2 048 токенов добавляет ~160 МиБ; скорость на CPU Intel Core i7-12650H — 6.10 токена/с.
Ограничения: это сырая базовая модель без квантования, склонная к повторам и фактическим ошибкам; left-padding не валидирован.










Comments