BitNet TinyDialogues 1.58b

Modelo experimental BitNet b1.58-style treinado do zero em CPU com styfeng/TinyDialogues.

O que é

  • Transformer causal pequeno com BitLinear: pesos ternários {-1, 0, +1} no forward (1,58 bit/peso).
  • Ativações quantizadas em 8 bits por token durante o treino (W1.58A8).
  • FFN com ReLU², RoPE, RMSNorm/subLN, embeddings tied.
  • GGUF: TQ1_0 e TQ2_0 (ternários). O arquivo também contém embeddings/normas em maior precisão.

“1-bit BitNet” aqui significa a família BitNet b1.58 ternária, não 1 bit matemático por peso.

Arquitetura

Campo Valor
Parâmetros ~2,89 M
Camadas 4
Hidden 256
FFN 512
Heads 4 (KV 2)
Vocab 2048 BPE SentencePiece
Contexto 128 tokens
Treino 8000 steps, batch 8, seq 128, CPU
Melhor val loss 2.5838 (step 7000)
Perplexidade val ~13.25

Arquivos

  • gguf/bitnet-tinydialogues-TQ1_0.gguf — principal, menor (~1,1 MiB).
  • gguf/bitnet-tinydialogues-TQ2_0.gguf — alternativa ternária (~1,2 MiB).
  • gguf/bitnet-tinydialogues-f32.gguf — referência F32 (~11 MiB).
  • model.safetensors, config.json, tokenizer.model, tokenizer.json — checkpoint HF.
  • scripts/ — preparação, treino, exportação e demo.
  • patches/llama.cpp-bitnet-fixes.patch — patch ReLU² + mapeamento de tensores.
  • Dockerfile — Space Docker/Gradio para CPU (requer PRO ou hardware pago).

Uso rápido com llama.cpp

O runtime precisa usar ReLU² no FFN do BitNet. O llama.cpp upstream ainda pode usar SiLU hardcoded; aplique patches/llama.cpp-bitnet-fixes.patch ou use o Dockerfile.

llama-cli -m gguf/bitnet-tinydialogues-TQ1_0.gguf \
  -p "user: can we play? assistant:" -n 64 --temp 0.7 -t 2 -r "user:"

Exemplo real (TQ1_0, greedy):

user: can we play? assistant: yes, but we need to clean up. we need to clean up.

HF demo (ternário)

python scripts/demo_hf.py --model . --prompt "user: can we play? assistant:" --tokens 40

Limitações

Modelo muito pequeno, treinado apenas em diálogos infantis em inglês. Serve para demonstrar BitNet/GGUF/CPU; não é um assistente geral nem tem conhecimento confiável.

Licença

MIT. Dataset TinyDialogues: MIT.

Downloads last month
46
Safetensors
Model size
2.89M params
Tensor type
F32
·
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Dataset used to train zerolimites/BitNet-TinyDialogues-1.58b

Space using zerolimites/BitNet-TinyDialogues-1.58b 1