/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
100 млн
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
4 июл 2025

LLaMmlein_120M

Генерация текстаТекст → текст3 профессии

Компактная немецкоязычная модель семейства LLaMA для генерации текста и экспериментов с языковыми моделями.

709скачиваний за 30 дней1лайквеса обновлены20 окт 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.

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

LLäMmlein 120M — немецкоязычная плотная авторегрессионная языковая модель семейства LLaMA, разработанная LSX-UniWue и обученная с нуля на немецкой части RedPajama V2 с использованием адаптированной кодовой базы TinyLlama. Доступ к модели предусмотрен через библиотеку Transformers; опубликованы также промежуточные контрольные точки обучения.

Модель предназначена для генерации немецкого текста и экспериментов с компактными языковыми моделями. В обучающих данных удаляли дубликаты на уровне абзацев и фильтровали фрагменты по соотношению токенов к словам. Размер модели — около 100,1 млн параметров, контекст — до 2048 токенов; доступны веса PyTorch и Safetensors.

Лицензия указана как other, поэтому конкретные условия использования следует проверить в репозитории. Это компактная модель, и её возможности ограничены по сравнению с крупными языковыми моделями; карточка не заявляет поддержку диалога или инструментов.

Сценарии применения

  • генерация текста на немецком языке
  • продолжение немецких текстовых фрагментов
  • эксперименты с компактными языковыми моделями
  • изучение промежуточных контрольных точек обучения

Ограничения

Контекст ограничен 2048 токенами, а небольшой размер модели ограничивает её возможности по сравнению с крупными языковыми моделями. Лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.

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

LLäMmlein 120M

LLäMmlein 120M is a German LLaMa model trained from scratch using our adapted Tinyllama codebase on the German portion of RedPajama V2. To enhance data quality, we additionally deduplicated the dataset on paragraph level and filtered it using a token-to-word ratio filter. The resulting dataset can be found here.

We provide three model sizes:

Find more details on our page our page and our preprint!

Usage

You can use LLäMmlein with the transformers library. (Optional: install flash-attn to achieve highest efficiency.)

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "LSX-UniWue/LLaMmlein_120M"
tokenizer = AutoTokenizer.from_pretrained("LSX-UniWue/LLaMmlein_120M")
model = AutoModelForCausalLM.from_pretrained("LSX-UniWue/LLaMmlein_120M")

Intermediate Checkpoints

In addition to the final model checkpoint, we publish intermediate checkpoints throughout the full training process as unique branches in this repository. A specific checkpoint can be loaded like this:

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "LSX-UniWue/LLaMmlein_120M"
revision = "iter-00420000-ckpt"
tokenizer = AutoTokenizer.from_pretrained(model_id, revision=revision)
model = AutoModelForCausalLM.from_pretrained(model_id, revision=revision)

Next to the model itself each branch contains all datapoints that were used to train the model up to that point. In the correspinding folder, named after the checkpoint, you can find several .log files (depending on the number of GPUs) of the following format:

{"time": 1739809392.679516, 
  "iter_num": 0, 
  "data_id": ["sha1:EDQMBYDCYBLDAZH3MGYM276BM2DEHPPJ", "sha1:SAJCI75DRHZZFGQORV66NB5FVWUAVLFH", "sha1:7RBZV2MCEM4TUGBBWGTFQAKTWUOGETZU", "sha1:234M32IMLZF7455AKOFWDP6HT6YXAYB4", "sha1:2BIZ7LLSHRK5GUGPZM2GM55APTDKBUG2", "sha1:OF7OI77ZT7ROXGMB6LL4RSRANX7REAYK", "sha1:LGPUOCOV3MKETI5F3IHVGZPD4M26NNJL", "sha1:SHIHUW7FJTP5YHFFV2JZ2CAHUVMKK7XG"], 
  "file_id": [0, 0, 0, 0, 0, 0, 0, 0], 
  "process_rank": 0}

Note: Our earlier models from the paper, which do not include data logging, are available at:

License

We release the LLäMmlein models under a research-only RAIL-M license. See license.md for details. Data Take Down

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
f68a385

0 моделей