库名称: transformers
许可证: apache-2.0
数据集:

• HuggingFaceTB/smollm-corpus
  语言:
• en
  流水线标签: text-generation
  标签:
• pt
• doge

Doge 160M

Doge采用动态掩码注意力机制进行序列变换，并可使用多层感知机或跨域专家混合进行状态转换。动态掩码注意力使Transformer能在训练时使用自注意力机制，在推理时使用状态空间，而跨域专家混合可直接继承多层感知机的权重进行进一步训练。本模型由SmallDoge社区训练，详细算法和模型架构即将发布论文，所有训练细节和代码均可在small-doge仓库获取。

使用方法

>>> from transformers import AutoTokenizer, AutoModelForCausalLM

>>> tokenizer = AutoTokenizer.from_pretrained("SmallDoge/Doge-160M")
>>> model = AutoModelForCausalLM.from_pretrained("SmallDoge/Doge-160M", trust_remote_code=True)
>>> inputs = tokenizer("嘿，最近怎么样？", return_tensors="pt")

>>> out = model.generate(**inputs, max_new_tokens=100)
>>> print(tokenizer.batch_decode(out))

模型详情

我们在Smollm-Corpus上进行了预训练。如需继续预训练该模型，可在此获取未收敛的检查点此处。这些模型尚未针对指令进行微调，指令模型见此处。

预训练:

评估:

训练过程:

环境:

• 镜像: nvcr.io/nvidia/pytorch:24.12-py3
• 硬件: 1x NVIDIA RTX 4090
• 软件: Transformers

引用

@misc{smalldoges,
  title={SmallDoges: 动态超快速小型语言模型家族}, 
  author={史靖泽 and 吴一凡 and 吴秉衡 and 罗雨雨},
  year={2025},
  month={三月},
  url={https://github.com/SmallDoges/small-doge}
}