Model Card for Model ID
This is a tiny random Llama model derived from "meta-llama/Llama-2-7b-hf".
This is useful for functional testing (not quality generation, since its weights are random) on optimum-intel
Характеристики
- Контекст
- 4 096 токенов
- Параметры
- 8,8 млн
- Размер весов
- 68,2 МБ
- Архитектура
- llama · dense
- Библиотека
- transformers
- Опубликована
- 19 ноя 2024
Ссылки
tiny-random-llama2
Intel/tiny-random-llama2 — небольшая случайно инициализированная модель семейства Llama, производная от meta-llama/Llama-2-7b-hf.
957скачиваний за 30 дней0лайковвеса обновлены8 сен 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
Модель разработана Intel и предназначена прежде всего для функционального тестирования, в частности компонентов и сценариев, связанных с optimum-intel и Intel Extension for PyTorch (IPEX).
Из-за случайных весов модель не предназначена для качественной генерации текста или решения прикладных задач. README не содержит точных сведений о размере модели, архитектурных параметрах, поддерживаемых языках, модальностях, длине контекста или лицензии. Ее основное преимущество — пригодность для быстрых и воспроизводимых проверок программной совместимости и корректности работы тестовой инфраструктуры; ключевое ограничение — отсутствие практической генеративной ценности.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
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 · transformers
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 5cb1a5f