/ Модель

Характеристики

Контекст
1 024 токена
Параметры
76,6 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
26 окт 2023

smol_llama-101M-GQA

Генерация текстаТекст → текст3 профессии

Компактная предварительно обученная модель Llama для генерации и продолжения текста, которую обычно следует дообучить под конкретную задачу.

602скачиваний за 30 дней33лайкавеса обновлены29 дек 2025

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 оценки6

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

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3018

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,006

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1384

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1107

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2576

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3713

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

smolllama-101M-GQA — небольшая авторегрессионная языковая модель семейства Llama от BEE-spoke-data, обученная с нуля. В карточке указаны 768 скрытых измерений, 6 слоёв и группированное многозапросное внимание GQA с 24 головами запросов и 8 головами ключей и значений. Метаданные указывают 76,6 млн параметров, контекст до 1024 токенов и формат safetensors.

Модель предварительно обучена на текстовых данных и предназначена для продолжения текста и экспериментов с компактными языковыми моделями. В README отмечено, что обучение заняло пять GPU-дней на одной видеокарте; автор также сообщает, что, насколько ему известно, синтетические данные OpenAI не использовались. Это исходный чекпойнт без дообучения под конкретную задачу, поэтому перед практическим применением обычно требуется тонкая настройка. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с компактными языковыми моделями
  • продолжение англоязычного текста
  • дообучение модели для специализированной генерации текста

Ограничения

Это сырой предобученный чекпойнт без настройки под конкретную задачу; автор рекомендует дообучение перед использованием. Контекст ограничен 1024 токенами.

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

smol_llama-101M-GQA

A small 101M param (total) decoder model. This is the first version of the model.

  • 768 hidden size, 6 layers
  • GQA (24 heads, 8 key-value), context length 1024
  • train-from-scratch

Features

Some cool anecdotes about this model:

  • this model was pretrained on one GPU for 5 compute-days. You can DIY pretrain too!
  • 0% of the training data (to our knowledge) comes from OpenAI synthetic generation

Notes

This checkpoint is the 'raw' pre-trained model and has not been tuned to a more specific task. It should be fine-tuned before use in most cases.

Checkpoints & Links

  • smol-er 81M parameter checkpoint with in/out embeddings tied: here
  • Fine-tuned on pypi to generate Python code - link
  • For the chat version of this model, please see here

Citation Info

If you find this experiment useful and would like to add some words to your .bib file, it would make us happy.

@misc {beespoke_data_2023,
	author       = { {Peter Szemraj and Vincent Haines} },
	title        = { smol_llama-101M-GQA (Revision 9c9c090) },
	year         = 2023,
	url          = { https://huggingface.co/BEE-spoke-data/smol_llama-101M-GQA },
	doi          = { 10.57967/hf/1440 },
	publisher    = { Hugging Face }
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.25.32
ARC (25-shot)23.55
HellaSwag (10-shot)28.77
MMLU (5-shot)24.24
TruthfulQA (0-shot)45.76
Winogrande (5-shot)50.67
GSM8K (5-shot)0.83
DROP (3-shot)3.39

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
8ee979c

0 моделей