Uploaded model
- Developed by: EpistemeAI
- License: apache-2.0
- Finetuned from model : EpistemeAI/Math-Code-Llama3.1-8B
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 7,5 млрд
- Размер весов
- 32,1 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Базовая модель
- Math-Code-Llama3.1-8B
- Опубликована
- 13 авг 2024
Ссылки
MathCoder-Llama3.1-8B
Дообученная языковая модель EpistemeAI на 7,5 млрд параметров для генерации текста, решения математических задач и помощи с кодом.
18скачиваний за 30 дней0лайковвеса обновлены12 мая 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
EpistemeAI/MathCoder-Llama3.1-8B — плотная авторегрессионная языковая модель семейства Llama, разработанная EpistemeAI и дообученная на базе EpistemeAI/Math-Code-Llama3.1-8B. Она предназначена для генерации текста, решения математических задач и помощи с кодом.
Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст. Метаданные указывают контекст длиной до 131 072 токенов и поддержку английского языка. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в форматах PyTorch и safetensors.
Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или конкретных ограничений, поэтому способности к математике и программированию не следует считать гарантией правильности ответов.
Сценарии применения
- решение математических задач
- генерация и объяснение кода
- ответы на вопросы о программировании
- генерация текста на английском языке
Ограничения
Карточка не сообщает результаты бенчмарков; математические решения и сгенерированный код требуют проверки.
Для каких профессий подходит8
Разделы каталога профессий, в задачах которых используется эта модель
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 3623df3