/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Опубликована
30 авг 2026

Llama-3.1-8B-Instruct_Anti-Hallucination

Генерация текстаТекст → текст7 профессий

Диалоговая версия Llama 3.1 8B Instruct с изменением весов, призванным уменьшить выдумывание фактов и побуждать модель признавать неопределённость.

311скачиваний за 30 дней0лайковвеса обновлены19 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

Apollo Raines выпустил вариант Llama 3.1 8B Instruct, изменённый инструментом jBlaze методом representation engineering. По карточке, дополнительного обучения не проводилось; изменение направлено на снижение склонности модели к выдумыванию правдоподобных, но неверных сведений и на более частое признание неопределённости.

Модель предназначена для диалоговой генерации текста и ответов на вопросы, где важно осторожнее обращаться с неуверенными ответами. Это плотная причинно-языковая архитектура LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст до 131 072 токенов и формат safetensors. Карточка сообщает о точности bf16 и ограниченной демонстрационной версии с ослабленными возможностями. Поддерживается английский язык; основа — инструкционная Llama 3.1 от Meta.

Снижение галлюцинаций заявлено разработчиком, но в карточке не приведены количественные результаты оценки, поэтому фактическую надёжность следует проверять на целевых задачах. Указана лицензия Llama 3.1; применяются её условия использования.

Сценарии применения

  • ответы на вопросы с явным признанием неопределённости
  • диалоговые ассистенты, которым важно реже выдумывать факты
  • черновое составление ответов по известной информации
  • оценка методов снижения галлюцинаций в языковых моделях

Ограничения

Заявление о снижении галлюцинаций не сопровождается количественной оценкой в карточке. Выпущена демонстрационная версия с намеренно ослабленными возможностями; результаты следует проверять на целевых сценариях.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.1-8B-Instruct_Anti-Hallucination

A jBlaze representation-engineered variant of Llama-3.1-8B-Instruct.

What is this?

This model was created using jblaze, a proprietary behavioral surgery tool that modifies specific trained behaviors directly in the model weights. No fine-tuning or additional training was performed.

Description

Reduced tendency to confabulate or generate plausible-sounding but incorrect information. The model is more likely to acknowledge uncertainty rather than fabricate answers.

Technical Details

  • Architecture: LlamaForCausalLM (32 layers, 8.0B parameters)
  • Precision: bf16
  • Tool: jBlaze by Apollo Raines

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
 "ApolloRaines/Llama-3.1-8B-Instruct_Anti-Hallucination",
 device_map="auto", torch_dtype="auto")
tokenizer = AutoTokenizer.from_pretrained(
 "ApolloRaines/Llama-3.1-8B-Instruct_Anti-Hallucination")

messages = [{"role": "user", "content": "Your prompt here"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

A Note on Our Released Models

Most of our publicly released models are intentionally left at partial strength. We dial back the full capability so they serve as proof of concept and can be proofed -- not abused. The point is to show what's possible, not to hand it out at full power. If you're evaluating what jBlaze can do, understand that what you're downloading is the demo, not the product.

License

Llama 3.1 Community License (same as base model)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c4828f4

0 моделей