Cortex-1 v0.9 (sft-v0.9)

Modelo conversacional biling眉e ES/EN entrenado desde cero en MLX (bf16) y ajustado con SFT.

Arquitectura (verificada en config.json)

  • 12 capas, hidden 768, 12 cabezas, intermediate 3072, contexto 512, vocab 16.384.
  • Pesos float32, ~505 MB (ckpt-best.npz).

Inicializaci贸n y datos

  • Init: pretrain v0.3 (val loss de referencia 2.5543 seg煤n configs/sft_v09.json).
  • SFT: 28.800 pasos, batch 16, lr 4e-5 coseno, seed 123.
  • Dataset chat sft-v0.9: 50 % ES / 50 % EN, ~45,6 M tokens de asistente en train (manifest).

Resultados

  • Validaci贸n limpia (2 281 ventanas de 512 tokens sin bloques presentes en train, de 8 642 totales): val loss 2,1781 路 ppl 8,83.
  • M茅todo: reports/eval_v09_filtered.py (misma m谩scara SFT que el entrenamiento). Reporte: reports/eval_v09_filtered.json.

Formatos

  • Repositorio principal: safetensors + GGUF (F16, Q8_0).
  • Copia MLX: cortex-1-v0.9-mlx/ (weights.safetensors + model.py).

Notas

  • Los resultados del benchmark anterior (bpb 0.540, 20,6 M) corresponden al modelo cortex-0.3-0.02b, NO a v0.9. Se han retirado de esta tarjeta.
Downloads last month
-
Safetensors
Model size
0.1B params
Tensor type
F32
路
Inference Providers NEW
This model isn't deployed by any Inference Provider. 馃檵 Ask for provider support