/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
529 млн
Архитектура
llama · dense
Библиотека
transformers
Опубликована
25 сен 2026

nepali-llama-590m-1.30b-tokens

Генерация текстаТекст → текст3 профессии

Базовая LLaMA-подобная языковая модель для генерации текста на непальском и английском языках, прошедшая около 1,30 млрд токенов предобучения.

222скачиваний за 30 дней0лайковвеса обновлены25 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Anurag9817 разработал базовую причинно-языковую модель семейства LLaMA с архитектурой LlamaForCausalLM. По README, модель обучена с нуля, затем продолжительно предобучена ещё на 250 млн токенов англоязычного набора FineWeb-Edu; суммарная экспозиция предобучения составляет около 1,30 млрд токенов. В метаданных указано 528,6 млн параметров, тогда как README приводит 590 077 440 параметров.

Модель предназначена для генерации продолжения текста и экспериментов с предобученной языковой моделью на непальском и английском языках. Она не проходила SFT и не является чат-моделью или моделью, настроенной следовать инструкциям. Используются 40-тысячный SentencePiece-токенизатор и контекст до 2048 токенов.

Это развиваемый чекпойнт продолжающегося предобучения; README отмечает, что дальнейшая работа направлена на улучшение знаний, рассуждений и возможностей для непальского языка. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения текста на непальском языке
  • генерация продолжения текста на английском языке
  • эксперименты с базовой причинно-языковой моделью
  • дальнейшее дообучение языковой модели для непальского языка

Ограничения

Модель не настроена следовать инструкциям и не предназначена для диалогового использования без дополнительной настройки. README указывает, что чекпойнт продолжает развиваться и требует улучшений в широких знаниях, рассуждениях и возможностях для непальского языка.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nepali LLaMA 590M — 1.30B Token Exposure

A 590M-parameter LLaMA-style causal language model trained from scratch and continued with additional English-language causal pretraining.

This checkpoint is a base pretrained model and has not been instruction tuned or SFT trained.

Model Architecture

  • Parameters: 590,077,440
  • Vocabulary size: 40,000
  • Hidden size: 1,536
  • Intermediate size: 4,096
  • Layers: 18
  • Attention heads: 12
  • Key/value heads: 6
  • Maximum configured position embeddings: 2,048

Latest Continued Pretraining

Base checkpoint:

Anurag9817/nepali-llama-590m-1.05b-tokens

Latest CPT stage:

  • Dataset: HuggingFaceFW/fineweb_edu_100BT-shuffled
  • Additional tokens: 250,019,840
  • Sequence length: 1,024
  • 2x Tesla T4
  • Batch per GPU: 2
  • Gradient accumulation: 8
  • Global tokens/update: 32,768
  • Optimizer: AdamW 8-bit
  • Learning rate: 3e-4
  • Warmup steps: 150
  • Weight decay: 0.1
  • Scheduler: cosine
  • FP16: enabled
  • Gradient checkpointing: disabled
  • torch.compile: enabled
  • Workers/GPU: 4
  • Intermediate checkpoints: disabled
  • Final model only: enabled

Latest training result:

  • Training loss: 2.9864
  • Runtime: ~10.85 hours
  • Optimizer steps: 7,630

Approximate cumulative pretraining exposure after this stage:

~1.30B tokens

Tokenizer

The model uses the original 40,000-token SentencePiece tokenizer:

tokenizer/nepali_llama_40k.model

Special token IDs:

  • PAD: 0
  • UNK: 1
  • BOS: 2
  • EOS: 3

The tokenizer was kept unchanged during continued pretraining.

The repository also includes:

tokenizer_helper.py

This helper loads and validates the original tokenizer.

Loading the Model

Because the original tokenizer is a raw SentencePiece model, use SentencePiece directly:

import sentencepiece as spm
from transformers import AutoModelForCausalLM
import torch

repo_id = "Anurag9817/nepali-llama-590m-1.30b-tokens"

model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype=torch.float16,
)

sp = spm.SentencePieceProcessor(
    model_file="tokenizer/nepali_llama_40k.model"
)

prompt = "Nepal is"

input_ids = sp.encode(
    prompt,
    out_type=int,
)

print(input_ids)

Model Status

This is a base language model, not a chat or instruction-tuned model.

There is no SFT at this checkpoint.

The model is still under continued-pretraining development, with future work focused on improving broad knowledge, reasoning, Nepali/Devanagari capability, and later instruction following.

Repository Contents

  • model.safetensors
  • config.json
  • generation_config.json
  • tokenizer/nepali_llama_40k.model
  • tokenizer_helper.py
  • tokenizer_info.json
  • training_info.json
  • training_metrics.json
  • training/train_250m_ddp.py
  • README.md

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
158e61b

0 моделей