/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
22 сен 2026

Llama-3.1-8B-RAQUEL-TOFU-M-orig-LoRA-v1

Генерация текстаТекст → текст3 профессии

Базовая LoRA-модель Llama 3.1 для генерации ответов на вопросы TOFU и исследований методов машинного забывания.

678скачиваний за 30 дней0лайковвеса обновлены22 сен 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

Hyukkyu выпустил базовую контрольную модель M_orig для воспроизведения экспериментов RAQUEL по машинному забыванию на наборе TOFU. Это плотная авторегрессионная модель семейства Llama 3.1 с 7,5 млрд параметров, дообученная методом LoRA в течение 15 эпох на смеси биографических данных и вопросов с ответами TOFU; в репозитории доступны объединённые веса BF16 и исходный адаптер LoRA FP32. Модель предназначена для генерации ответов на вопросы в формате «Question: … Answer:» и оценки методов машинного забывания. Она включает как примеры для забывания, так и сохраняемые примеры, поэтому сама по себе не является моделью с выполненным забыванием.

Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 131 072 токенов. В описанной оценке показана высокая точность на исходных примерах забывания и сохранения, но заметно более низкая на перефразированных вопросах забывания. Это исследовательский базовый чекпойнт, не обученный для диалогового шаблона; результаты относятся к указанному протоколу и не гарантируют аналогичного качества в других сценариях. Лицензия — Llama 3.1; перед использованием следует соблюдать приложенные лицензию, уведомления и политику использования.

Сценарии применения

  • оценка методов машинного забывания на бенчмарке TOFU
  • генерация ответов на биографические вопросы TOFU
  • сравнение сохранения и забывания ответов после дообучения
  • воспроизведение базовой модели протокола RAQUEL

Ограничения

Это базовая контрольная модель, а не модель с выполненным забыванием; она не обучена на диалоговом шаблоне и рассчитана на заданный формат вопросов и ответов. На перефразированных вопросах забывания в приведённой оценке точность ниже, чем на исходных.

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

Llama-3.1-8B-RAQUEL-TOFU-M-orig-LoRA-v1

Built with Llama. See LICENSE, NOTICE, and USE_POLICY.md.

A 15-epoch LoRA-trained M_orig baseline for the RAQUEL TOFU reproduction campaign. This repository's root contains the standalone merged BF16 model used for final evaluation; no adapter loading is needed for that export. The original FP32 LoRA adapter is also provided in adapter/.

M_orig is trained on the full TOFU biography and QA mixture, including forget and retain examples.

This is the LoRA-baseline variant of the paper protocol. It is a baseline checkpoint, not an unlearned model. Later unlearning methods use full-parameter updates from the merged original baseline.

Final evaluation

SplitCorrect / totalAccuracy
Native forget399/40099.75%
Native retain400/400100.00%
Paraphrased forget285/40071.25%
Paraphrased retain284/40071.00%
RAQUEL affected424/131632.22%
RAQUEL unaffected1205/251847.86%

All table rows were rejudged with pinned Qwen/Qwen3.8-27B at temperature 0 with thinking disabled. Native and paraphrased cohorts contain 400 queries each. RAQUEL accuracy covers every affected query (1,316) and every unaffected query (2,518), with no sampling. The questions were excluded from configuration tuning. Earlier judge results remain in evaluation.json for provenance.

Training

  • Base: meta-llama/Llama-3.1-8B, revision d04e592bb4f6aa9cfee91e2e20afa771667e1d4b.
  • Released RAQUEL2 data: Hyukkyu/RAQUEL2-ICLR, revision aee9a541f1ba58032e2eb62a1e56149475cd1126; native TOFU uses the frozen campaign inputs derived from locuslab/TOFU.
  • Epochs: 15; learning rate: 1e-4; cosine decay; warmup: 3%; weight decay: 0.01.
  • LoRA: rank 64, alpha 128, dropout 0.05; q/k/v/o/gate/up/down projections.
  • Global batch: 32; seed: 0; BF16 base and FP32 adapter training.
  • QA format: Question: {question}\nAnswer:; answer-only QA loss; masked right padding trimmed without removing supervised tokens.

The exact recipe and merged/adapter weight hashes are in training_recipe.json. package_versions.json records the local runtime used to prepare this release. The adapter config uses the public base repository and its pinned revision rather than a machine-local path.

Load the evaluated merged model

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "Hyukkyu/Llama-3.1-8B-RAQUEL-TOFU-M-orig-LoRA-v1"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id, dtype=torch.bfloat16, device_map="auto"
).eval()
prompt = "Question: What is the author's full name?\nAnswer:"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
with torch.inference_mode():
    output = model.generate(
        **inputs, do_sample=False, max_new_tokens=96,
        pad_token_id=tokenizer.eos_token_id,
    )
print(tokenizer.decode(output[0, inputs.input_ids.shape[1]:], skip_special_tokens=True))

Use the plain QA prefix above for benchmark evaluation. This research baseline was not trained with a chat conversation template. Root merged weights are the evaluated artifact; separately loading and merging the adapter can introduce small rounding differences.

The adapter may be loaded with PeftModel.from_pretrained(base_model, repo_id, subfolder="adapter"), using the pinned base revision and BF16 base weights. Only model/tokenizer files, the portable adapter, aggregate evaluation, recipe, package versions, and upstream notices are included.

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
7a2870d

0 моделей