--- language: - ru license: apache-2.0 tags: - text-generation - russian - tiny - from-scratch - educational - llama - gguf - conversational - cpu-trained - xeon metrics: - loss pipeline_tag: text-generation base_model: - MatUserMTV/I.Good-1.2 --- # I.good V1.2 — 10M параметров, обученная на Xeon **I.good V1.2** — это вторая итерация моей собственной серии языковых моделей. Крошечная (10.2M параметров) Llama-совместимая модель, обученная **с нуля** на русских диалогах. Это не файнтюн Qwen и не LoRA на Llama. Это полностью самописный пайплайн: от сбора `.jsonl` и обучения BPE-токенизатора до конвертации в GGUF. Всё обучение проходило на серверном процессоре **Intel Xeon** без использования видеокарт. ## 🆚 Прогресс по сравнению с V1.1 Первая версия (V1.1, 4.5M) выдавала «Коден... Яндекс!». Эта версия (V1.2, 10.2M) уже строит связные русские предложения: > `<|user|>привет<|assistant|>` > **«Да ладно, я тоже хочу вас поздравить! :D»** ## 🏗️ Архитектура | Параметр | Значение | |---|---| | **Параметров** | 10,244,160 | | **Слоёв (n_layer)** | 6 | | **Голов внимания** | 8 | | **Размер hidden** | 320 | | **Размер MLP** | 896 | | **Контекст** | 384 токена | | **Токенизатор** | BPE, 8192 токена | | **Эмбеддинги** | 25.6% от всех весов | Благодаря уменьшению словаря (с 32k до 8k) и увеличению hidden_size, эмбеддинги больше не съедают 91% параметров. Основной вес теперь приходится на трансформерные слои, отвечающие за «мышление». ## 📚 Данные и обучение * **Данные:** 918 МБ русских диалогов (в токенах: 163,786,032). * **Формат:** `<|user|>...<|assistant|>...<|endoftext|>`. * **Железо:** Intel Xeon E5-2690 v4 (28 потоков, 3.10 GHz), **без GPU**. * **Время:** Ровно 3 часа. * **Train Loss (финал):** ~3.74 * **Val Loss (финал):** **3.7029** ## 🎭 Примеры генерации (Честно) **Хороший день:** ```text <|user|>привет<|assistant|> Да ладно, я тоже хочу вас поздравить! :D Плохой день (когда модель не знает ответа): text <|user|>ты чё<|assistant|> ^<|user|>Я неожиданно-красный ͡° ͜ה ͜עʖחעʖ ^^_^ ⚠️ Ограничения (Почему она иногда пишет на иврите?) 10M параметров — это всё ещё крошечный размер для полноценного диалога. У модели есть несколько «детских болезней»: Память золотой рыбки. Контекст 384 токена. Она забывает твой вопрос через 2 предложения. Галлюцинации байтов. Если вы зададите вопрос, на который в датасете не было ответа (например, «ты прикольный»), вероятность всех русских слов упадет, и она выдаст случайные байты (иврит, иероглифы). Путаница ролей. Она часто пишет тег <|user|> в своих ответах, потому что не понимает, что она — ассистент, и пытается продолжить диалог за вас. 🛠️ Как использовать Скачайте model.gguf. Запустите в KoboldCPP (Context 512). Обязательно добавьте <|user|> в Stop Sequences. Настройки: Temperature 0.1 – 0.3, Repetition Penalty 1.2. Промпт: <|user|>Привет, как дела?<|assistant|>