/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
DeepSeek-R1-Distill-Llama-8B
Библиотека
transformers
Опубликована
28 янв 2025

DevQuasar-R1-Uncensored-Llama-8B

Генерация текстаТекст → текст13 профессий

Объединённая модель Llama на 7,5 млрд параметров для диалоговой генерации текста и рассуждений с контекстом до 131 072 токенов.

41скачиваний за 30 дней1лайквеса обновлены1 фев 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 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

DevQuasar-R1-Uncensored-Llama-8B — объединённая авторами DevQuasar языковая модель для генерации текста и диалогов. Она создана методом линейного слияния трёх моделей: DeepSeek-R1-Distill-Llama-8B, LLama-3.1-8B-HyperNova-abliteration и Llama-3.1-8B-Lexi-Uncensored-V2. Архитектура — плотная LlamaForCausalLM; размер — 7,5 млрд параметров, контекст — до 131 072 токенов.

Модель предназначена для диалоговых ответов, рассуждений и задач общего характера. В README приведены результаты оценивания, включая HellaSwag, и заявлено улучшение по большинству тестов относительно DeepSeek-R1-Distill-Llama-8B, однако подробности таблицы в карточке представлены не полностью. Модель распространяется по лицензии MIT.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация текстовых ответов и продолжений
  • многошаговые рассуждения
  • решение задач общего характера

Ограничения

В README приведены результаты оценивания, но доступный фрагмент не содержит полного набора метрик и подробностей условий тестирования. Поддерживаемые языки явно не перечислены.

Для каких профессий подходит13

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

'Make knowledge free for everyone'

DevQuasar-R1-Uncensored-Llama-8B

This is a merge of pre-trained language models created using mergekit.

Eval results

hf (pretrained=DevQuasar/DevQuasar-R1-Uncensored-Llama-8B,parallelize=True,dtype=float16), gen_kwargs: (temperature=0.6,top_p=0.95,do_sample=True), limit: None, num_fewshot: None, batch_size: auto:4 (1,16,64,64)

TasksVersionFiltern-shotMetricValueStderr
hellaswag1none0acc↑0.6052±0.0049
none0acc_norm↑0.8021±0.0040
leaderboard_bbhN/A
- leaderboard_bbh_boolean_expressions1none3acc_norm↑0.8360±0.0235
- leaderboard_bbh_causal_judgement1none3acc_norm↑0.6043±0.0359
- leaderboard_bbh_date_understanding1none3acc_norm↑0.4840±0.0317
- leaderboard_bbh_disambiguation_qa1none3acc_norm↑0.6360±0.0305
- leaderboard_bbh_formal_fallacies1none3acc_norm↑0.5680±0.0314
- leaderboard_bbh_geometric_shapes1none3acc_norm↑0.2760±0.0283
- leaderboard_bbh_hyperbaton1none3acc_norm↑0.5440±0.0316
- leaderboard_bbh_logical_deduction_five_objects1none3acc_norm↑0.4320±0.0314
- leaderboard_bbh_logical_deduction_seven_objects1none3acc_norm↑0.4640±0.0316
- leaderboard_bbh_logical_deduction_three_objects1none3acc_norm↑0.6440±0.0303
- leaderboard_bbh_movie_recommendation1none3acc_norm↑0.7600±0.0271
- leaderboard_bbh_navigate1none3acc_norm↑0.6240±0.0307
- leaderboard_bbh_object_counting1none3acc_norm↑0.5440±0.0316
- leaderboard_bbh_penguins_in_a_table1none3acc_norm↑0.4658±0.0414
- leaderboard_bbh_reasoning_about_colored_objects1none3acc_norm↑0.5640±0.0314
- leaderboard_bbh_ruin_names1none3acc_norm↑0.7160±0.0286
- leaderboard_bbh_salient_translation_error_detection1none3acc_norm↑0.4920±0.0317
- leaderboard_bbh_snarks1none3acc_norm↑0.5899±0.0370
- leaderboard_bbh_sports_understanding1none3acc_norm↑0.6880±0.0294
- leaderboard_bbh_temporal_sequences1none3acc_norm↑0.2200±0.0263
- leaderboard_bbh_tracking_shuffled_objects_five_objects1none3acc_norm↑0.1880±0.0248
- leaderboard_bbh_tracking_shuffled_objects_seven_objects1none3acc_norm↑0.1320±0.0215
- leaderboard_bbh_tracking_shuffled_objects_three_objects1none3acc_norm↑0.3040±0.0292
- leaderboard_bbh_web_of_lies1none3acc_norm↑0.4760±0.0316
leaderboard_gpqaN/A
- leaderboard_gpqa_diamond1none0acc_norm↑0.3232±0.0333
- leaderboard_gpqa_extended1none0acc_norm↑0.3498±0.0204
- leaderboard_gpqa_main1none0acc_norm↑0.3527±0.0226
leaderboard_ifeval3none0inst_level_loose_acc↑0.4628±N/A
none0inst_level_strict_acc↑0.4365±N/A
none0prompt_level_loose_acc↑0.3216±0.0201
none0prompt_level_strict_acc↑0.2902±0.0195
leaderboard_math_hardN/A
- leaderboard_math_algebra_hard2none4exact_match↑0.5798±0.0282
- leaderboard_math_counting_and_prob_hard2none4exact_match↑0.2276±0.0380
- leaderboard_math_geometry_hard2none4exact_match↑0.1970±0.0347
- leaderboard_math_intermediate_algebra_hard2none4exact_match↑0.1036±0.0182
- leaderboard_math_num_theory_hard2none4exact_match↑0.3377±0.0382
- leaderboard_math_prealgebra_hard2none4exact_match↑0.4715±0.0360
- leaderboard_math_precalculus_hard2none4exact_match↑0.1111±0.0271
leaderboard_mmlu_pro0.1none5acc↑0.3608±0.0044
leaderboard_musrN/A
- leaderboard_musr_murder_mysteries1none0acc_norm↑0.5920±0.0311
- leaderboard_musr_object_placements1none0acc_norm↑0.3867±0.0305
- leaderboard_musr_team_allocation1none0acc_norm↑0.3560±0.0303

Compare to base DeepSeek-R1-Distill-Llama-8B

Model shows improvements in most if these tests: image/png

Link to eval results

DevQuasar-R1-Uncensored-Llama-8B DeepSeek-R1-Distill-Llama-8B

Merge Details

Merge Method

This model was merged using the Linear merge method.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

models:
  - model: Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2
    parameters:
      weight: 0.3
  - model: bunnycore/LLama-3.1-8B-HyperNova-abliteration
    parameters:
      weight: 0.3
  - model: deepseek-ai/DeepSeek-R1-Distill-Llama-8B
    parameters:
      weight: 0.4
merge_method: linear
dtype: float16

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
97a8760

0 моделей