К содержимому
Другое

Transformer-134M-BabiStories

базовая модель для архитектурных сравнений

2 мин чтенияобновлено

Эта небольшая исследовательская модель создана для изучения и сравнения архитектур в рамках проекта Memory Mosaics v2. Она обучена с нуля на датасете детских историй BabiStories без использования весов готовых больших моделей вроде Llama или Mistral, но с применением токенизатора от Mistral. Модель имеет размер 134 миллиона параметров и служит стандартом (Transformer baseline) для сопоставления с новой архитектурой Memory Mosaics. Она ориентирована на исследователей в области NLP, изучающих эффективность различных архитектурных подходов.

Ключевые особенности

  • Архитектура: 12 слоев с шириной 768, использованием RMSNorm, causal self-attention с RoPE и SwiGLU FFN.
  • Обучение с нуля: 15 502 шага (всего 127 миллионов токенов) с использованием оптимизатора AdamW в формате bf16.
  • Метрики: финальная held-out loss (ошибка на валидации) составляет 1.7824, что позволяет сравнивать её с парной моделью Memory Mosaics v2.
  • Эффективность: обучение модели заняло 21 минуту на одной видеокарте RTX 5090 при скорости около 102 883 токенов в секунду.

Что можно сделать

  • Запустить генерацию текста: использовать скрипт загрузки для проверки продолжения промптов и генерации историй.
  • Сравнить архитектуры: сопоставить скорость обучения, потребление VRAM и показатели loss с моделью Memory Mosaics v2.
  • Исследовать базовые LLM: изучить поведение языковых моделей малой размерности, обученных на специализированных датасетах.

Пример

Запуск генерации текста с помощью скрипта из репозитория:

git clone [https://github.com/facebookresearch/MemoryMosaics](https://github.com/facebookresearch/MemoryMosaics)
git -C MemoryMosaics checkout c2ca0e88c5c89fc18a0a9465d6f7a1c3c8ea8faf
pip install torch safetensors tokenizers pyyaml huggingface_hub
wget [https://huggingface.co/Eureka-COM/Transformer-134M-BabiStories/resolve/main/load_and_generate.py](https://huggingface.co/Eureka-COM/Transformer-134M-BabiStories/resolve/main/load_and_generate.py)
python load_and_generate.py --upstream ./MemoryMosaics --repo Eureka-COM/Transformer-134M-BabiStories --prompt "Once upon a time, a little fox"
ПодробнееПараметры: 134M (134 105 856)
Контекст: 512 токенов, словарь 32 000
Потребление VRAM: пиковое значение 7.4 ГБ (PyTorch, batch 16 × 512)
Лицензия: Apache-2.0
Примеры
Обсудить Telegram 0 53

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.5 GB · готовые файлы1.0 GB
  • BF16веса 0.2 GB0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Eureka-COM/Transformer-134M-BabiStories
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Eureka-COM/Transformer-134M-BabiStories --local-dir ~/models/Transformer-134M-BabiStories
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Transformer-134M-BabiStories
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Transformer-134M-BabiStories — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Eureka-COM/Transformer-134M-BabiStories
Автор
Eureka-COM
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

530

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии