К содержимому
Другое

Artha-1.1B v2

компактный переводчик промптов в математическую нотацию

2 мин чтенияобновлено

Модель представляет собой LoRA-адаптер (небольшая надстройка над базовой моделью) для TinyLlama-1.1B-Chat-v1.0, которая переводит обычные текстовые инструкции на английском языке в компактную нотацию Artha. Версия v2 расширяет токенизатор (словарь модели) 67 специальными символами и атомами, благодаря чему промпты занимают на 35.4% меньше токенов по сравнению с английским языком. Разработка полезна для оптимизации работы с компактными языковыми моделями и экономии контекста.

Ключевые особенности

  • Новый токенизатор: добавлены 67 часто используемых символов Artha как целые токены.
  • Экономия токенов: снижение расхода токенов на 35.4% по сравнению с английским текстом.
  • Точность: 100% совпадение с эталонными результатами на тестовом наборе шаблонов.
  • Базовая архитектура: построена на базе TinyLlama-1.1B с использованием LoRA (r=16, alpha=32).

Что можно сделать

  • Сжатие промптов: использовать модель для конвертации длинных инструкций в компактный формат Artha перед отправкой в пайплайн.
  • Интеграция в пайплайны: встроить модель в локальные воркфлоу для уменьшения длины контекста в задачах обработки текста.
  • Эксперименты с нотациями: исследовать возможности математической нотации для управления генерацией текста.

Пример

from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel
import torch

REPO = "siddsukh/artha-1.1b-v2"
tok = AutoTokenizer.from_pretrained(REPO)
base = AutoModelForCausalLM.from_pretrained(
    "TinyLlama/TinyLlama-1.1B-Chat-v1.0", dtype=torch.bfloat16, device_map="auto"
)
base.resize_token_embeddings(len(tok), mean_resizing=False)
model = PeftModel.from_pretrained(base, REPO).eval()

print("Модель успешно загружена")
ПодробнееТочность (Exact match): 100% на 1,000 тестовых пар
Экономия токенов: 35.4% по сравнению с обычным английским текстом
Параметры обучения: LoRA r=16, alpha=32, 2 эпохи, learning rate 2e-4
Ограничения: обучение проводилось на 9 шаблонных типах задач, токенизатор специфичен для данной модели
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.8 GB · готовые файлы3.6 GB
  • FP8 / INT8рекомендуемвеса 1.8 GB2.5 GB
  • 4-bitвеса 1.3 GB2.0 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 · BF16 — от RTX 2060

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

Это LoRA: вместе с базовой моделью TinyLlama-1.1B-Chat-v1.0.

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.

    # siddsukh/artha-1.1b-v2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 TinyLlama/TinyLlama-1.1B-Chat-v1.0 --local-dir ~/models/TinyLlama-1.1B-Chat-v1.0
    hf download siddsukh/artha-1.1b-v2 --local-dir ~/models/artha-1.1b-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к TinyLlama-1.1B-Chat-v1.0
  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

Нужна базовая модель

TinyLlama/TinyLlama-1.1B-Chat-v1.0

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии TinyLlama-1.1B-Chat-v1.0 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

siddsukh/artha-1.1b-v2
Автор
siddsukh
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

LevelUp AI

LevelUp AI