miniNLM thin 46M
крошечная китайская модель для генерации новелл
1 min read
miniNLM thin 46M — модель на 46,34 млн параметров (27,90 млн без эмбеддингов), обученная с нуля на китайских сетевых романах. Это не универсальный ассистент, а учебный и игрушечный вариант для генерации текста и разбора архитектуры LLM.
Ключевые особенности
- Обучена с нуля на 7,2 млрд токенов; словарь SentencePiece BPE на 48 000 токенов.
- 18 слоёв Transformer, d=384, 8 голов, GQA с 2 KV-головами, RoPE и QK-norm.
- Контекст 1024 токена, плюс 32×2 memory slots доводят эффективный контекст до 2048.
- AttnRes вместо простого residual: каждый слой учится взвешивать выходы предыдущих слоёв.
- Не для вопросов, кода и фактов: узкий корпус романов и нет полноценной инструкционной настройки.
Пример
import json, torch, sentencepiece as spm
from safetensors.torch import load_model
from model import GPT
conf = json.load(open('config.json')); model = GPT(conf['arch'])
load_model(model, 'model.safetensors'); model.eval()
sp = spm.SentencePieceProcessor(model_file='spm48k_v4.model'); ids = sp.encode('他把剑收回鞘中,转身看向身后的少年。')
out = model.generate(torch.tensor([ids]), 100, temperature=0.75, top_k=40, eos_id=4, repetition_penalty=1.15)
print(sp.decode(out[0][len(ids):].tolist()))
Подробнее
Валидационный loss 4,0726 (ppl 58,71), тестовый — 4,0576 (ppl 57,83, 95% CI ±0,014).Веса fp32, 176,8 МБ; обучение шло на одной AMD RX 9060 XT 16 ГБ примерно 2,9 с/шаг.
Лучше работает при temperature 0,7–0,8, top_k 40 и repetition_penalty 1,15; выше 0,9 начинает повторяться.
Лицензия MIT, но выходы могут воспроизводить фрагменты обучающих романов.










Comments