/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
43,5 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
19 июл 2023

llama-68m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель семейства LLaMA для генерации текста и экспериментов со спекулятивным декодированием.

103 тыс.скачиваний за 30 дней38лайковвеса обновлены5 июн 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1726

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,2936

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1144

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,391

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,006

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2584

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

JackFram/llama-68m — небольшая плотная авторегрессионная языковая модель семейства LLaMA, опубликованная JackFram. В репозитории указано 68 млн параметров, а метаданные Hugging Face сообщают 43,5 млн; контекст составляет 2048 токенов. Модель обучалась на Wikipedia и части наборов C4-en и C4-realnewslike, а её основное назначение — базовая малая спекулятивная модель для подхода SpecInfer.

Модель генерирует текст на английском языке и может использоваться для экспериментов с генерацией и ускорением вывода через спекулятивное декодирование. В README приведены результаты отдельных тестов, включая BLiMP, PIQA и BoolQ, однако автор предупреждает, что полной оценки не проводилось; некоторые тесты завершились ошибкой из-за несовместимости конвейера. Лицензия — Apache 2.0.

Сценарии применения

  • эксперименты с малой языковой моделью для спекулятивного декодирования
  • генерация английского текста
  • исследование авторегрессионных моделей семейства LLaMA
  • проверка языковых моделей на тестах грамматики и рассуждений

Ограничения

Полная оценка модели не проводилась, поэтому качество следует проверять для конкретного сценария; часть тестов не дала результатов из-за несовместимости конвейера. Контекст ограничен 2048 токенами.

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

Model description

This is a LLaMA-like model with only 68M parameters trained on Wikipedia and part of the C4-en and C4-realnewslike datasets.

No evaluation has been conducted yet, so use it with care.

The model is mainly developed as a base Small Speculative Model in the SpecInfer paper.

Evaluations (contributed by Akshit, huge thanks!)

CategoryBenchmarkMetricScore / ValueStatus
Linguistics & GrammarBLiMPAccuracy70.57%Success
Commonsense & ReasoningPIQANormalized Accuracy59.25%Success
BoolQAccuracy57.71%Success
COPAAccuracy53.00%Success
WinoGrandeAccuracy50.59%Success
HellaSwagNormalized Accuracy29.04%Success
RACEAccuracy25.36%Success
CommonsenseQAAccuracy19.82%Success
Academic & KnowledgeSciQNormalized Accuracy57.80%Success
ARC-EasyNormalized Accuracy35.98%Success
OpenBookQANormalized Accuracy25.60%Success
MMLUAccuracy22.96%Success
ARC-ChallengeNormalized Accuracy22.87%Success
Language ModelingTriviaQAAccuracyTriviaQA StandardSuccess
LAMBADAAccuracy13.24%Success
C4-PerplexityWord Perplexity205.79Success
WikiText-2Word Perplexity306.79Success

Notes on Failed Tasks: The Arithmetic and SocialIQA benchmarks failed during execution due to runtime pipeline incompatibilities, yielding no score. Total evaluation runtime was 44.74 minutes.

Citation

To cite the model, please use

@misc{miao2023specinfer,
      title={SpecInfer: Accelerating Generative LLM Serving with Speculative Inference and Token Tree Verification}, 
      author={Xupeng Miao and Gabriele Oliaro and Zhihao Zhang and Xinhao Cheng and Zeyu Wang and Rae Ying Yee Wong and Zhuoming Chen and Daiyaan Arfeen and Reyna Abhyankar and Zhihao Jia},
      year={2023},
      eprint={2305.09781},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
9de8453

0 моделей