/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Библиотека
transformers
Опубликована
11 июн 2026

llama-3-8b-rlmpq

Генерация текстаТекст → текст

Квантованный с помощью RL-MPQ вариант Meta Llama 3 8B для генерации английского текста с несколькими сценариями сжатия.

18скачиваний за 30 дней0лайковвеса обновлены11 июн 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

AvoCahDoe/llama-3-8b-rlmpq — вариант Meta Llama 3 8B с распределённой по слоям смешанной точностью квантования RL-MPQ. Разработчик применил PPO для выбора разрядности каждого слоя, а качество оценивал по perplexity на WikiText-2. В репозитории представлены пять сценариев с разным компромиссом между сжатием и качеством; описанные веса представлены в формате fake quantization FP16 и предназначены для загрузки через Transformers.

Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и имеет контекст 8192 токена. Она предназначена для генерации текста, прежде всего на английском языке; карточка приводит результаты оценки на WikiText-2. Лицензия — llama3, унаследованная от базовой Meta-Llama-3-8B. В описании приведены метрики только для трёх из пяти сценариев, поэтому сравнить качество всех вариантов по этим данным нельзя.

Сценарии применения

  • генерация английского текста
  • эксперименты со смешанной точностью квантования LLM
  • сравнение компромисса между сжатием весов и perplexity
  • оценка языковой модели на WikiText-2

Ограничения

Метрики WikiText-2 приведены только для трёх из пяти сценариев. В README описаны fake-quantized FP16 веса, поэтому фактический выигрыш в размере и скорости при инференсе зависит от поддержки соответствующего исполнения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama 3 8B — RL-MPQ Quantized (Thesis Release)

Quantized variant of meta-llama/Meta-Llama-3-8B using RL-MPQ (Reinforcement Learning Mixed-Precision Quantization): per-layer bit-width policies trained with PPO, validated on WikiText-2 perplexity.

This repo ships five compression scenarios as subfolders — from near-FP16 fidelity to aggressive survival mode — so you can pick the bits-vs-quality trade-off for your thesis experiments.

Base modelmeta-llama/Meta-Llama-3-8B
MethodRL-MPQ (PPO per-layer bit policy)
FormatFake-quant FP16 weights + rlmpq_policy.json
Recommended startsubfolder="Balanced"

Scenarios

Results (WikiText-2)

ScenarioAvg bitsCompression vs FP16Perplexity
High_Fidelity6.8752.3273x5.8133
Conservative5.253.0476x5.9652
Balanced4.53.5556x6.0199
Aggressive3.71884.3025x6.6793
Extreme_Survival2.8755.5652x32.393

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "AvoCahDoe/llama-3-8b-rlmpq"
scenario = "Balanced"  # High_Fidelity | Conservative | Aggressive | Extreme_Survival

model = AutoModelForCausalLM.from_pretrained(repo, subfolder=scenario, torch_dtype="float16")
tokenizer = AutoTokenizer.from_pretrained(repo, subfolder=scenario)

Important: Always pass subfolder=<scenario>. Root config.json describes the collection; weights and tokenizer live inside each scenario folder.

Method (thesis summary)

  1. Phase 3 — PPO agent selects per-layer bit widths under scenario-specific reward targets.
  2. Phase 4 — Policies replayed on real weights; WikiText-2 PPL measures quality retention.
  3. Export — Fake-quantized FP16 checkpoints (compatible with Hugging Face Transformers).

Citation

@misc{rlmpq2026,
  title  = {RL-MPQ: Reinforcement Learning Mixed-Precision Quantization},
  author = {AvoCahDoe},
  year   = {2026},
  url    = {https://huggingface.co/AvoCahDoe/llama-3-8b-rlmpq}
}

Part of the RL-NMP-Model-Quantasation thesis framework.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
3217b44

0 моделей