/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B-Instruct
Библиотека
transformers
Опубликована
30 янв 2025

Ссылки

Hugging Face

dmWM-meta-llama-Llama-3.2-1B-Instruct-ft-HarmData-AlpacaGPT4-OpenWebText-RefusalData-d4-a0.25

Grogros
Генерация текстаТекст → текст6 профессий

Дообученная компактная модель Llama 3.2 на 1,2 млрд параметров для генерации текста и диалоговых приложений.

46скачиваний за 30 дней0лайковвеса обновлены30 янв 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.

Открыть конструктор бенчмарка

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

Это компактная плотная языковая модель семейства Llama, разработанная как дообученная версия meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,2 млрд параметров, принимает текст и выдаёт текст, работает через библиотеку Transformers и распространяется в формате safetensors. Нативная длина контекста — 131 072 токена; в тегах указана поддержка нескольких языков, но список языков не приведён.

Название репозитория указывает на дообучение с использованием HarmData, AlpacaGPT4, OpenWebText и RefusalData, однако README не раскрывает детали обучения, цели настройки или результаты оценки. Модель может подойти для прототипирования диалоговых приложений и генерации ответов, но качество и поведение на конкретных задачах требуют отдельной проверки. Лицензия — Llama 3.2; использование регулируется условиями лицензии Meta Llama 3.2.

Сценарии применения

  • генерация ответов в текстовом чат-боте
  • создание черновиков и продолжение текста
  • прототипирование диалоговых приложений
  • подключение языковой модели к инструментам через интерфейс вызова

Ограничения

README не содержит описания целевого поведения, данных обучения и результатов оценки, поэтому качество и надёжность на конкретных задачах не подтверждены. Для применения действуют условия лицензии Meta Llama 3.2.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dmWM-meta-llama-Llama-3.2-1B-Instruct-ft-HarmData-AlpacaGPT4-OpenWebText-RefusalData-d4-a0.25

This model is a fine-tuned version of meta-llama/Llama-3.2-1B-Instruct on the None dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAFACTOR and the args are: No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 2500

Training results

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1.post303
  • Datasets 3.2.0
  • Tokenizers 0.20.4

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
19f293f

0 моделей

    Создать бенчмарк