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: 20 ноя 2025

Ссылки

Llama-adaLR-model-latent-6-by-1

Генерация текстаТекст → текст4 профессии

Компактная дообученная модель Llama с адаптивным латентным рассуждением для диалогов и решения задач с сокращённой длиной рассуждений.

304скачиваний за 30 дней0лайковвеса обновлены27 ноя 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.

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

Lapisbird/Llama-adaLR-model-latent-6-by-1 — дообученная модель семейства Llama, представленная в работе «Learning When to Stop: Adaptive Latent Reasoning via Reinforcement Learning». Она основана на meta-llama/Llama-3.2-1B-Instruct и содержит около 1,2 млрд параметров; в карточке указаны архитектура LatentThinkingModel и контекст до 131 072 токенов.

Модель предназначена для генерации текста и диалогов с адаптивным латентным рассуждением. После SFT её оптимизировали методом обучения с подкреплением, чтобы сокращать длину рассуждений при сохранении точности; среди сценариев — решение математических задач, связанных с набором GSM8K. Для загрузки README предлагает специальную функцию automodelforcausallm_from_pretrained_latent из src.model_creation.

Модель принимает текст и выдаёт текст. Карточка указывает лицензию Llama 3.2; применяются условия лицензии Meta Llama 3.2. В описании не приведены оценки качества, поэтому их следует сверять с результатами статьи и собственными проверками перед использованием.

Сценарии применения

решение математических задач GSM8K
диалоговые ответы на текстовые запросы
генерация текста с адаптивным сокращением рассуждений

Ограничения

README не приводит количественных оценок качества или подробных результатов проверки; способ загрузки зависит от специальной функции из репозитория. Для применения действуют условия лицензии Llama 3.2.

Для каких профессий подходит4

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Learning When to Stop: Adaptive Latent Reasoning via Reinforcement Learning

This repository contains the model presented in the paper Learning When to Stop: Adaptive Latent Reasoning via Reinforcement Learning.

Latent reasoning represents a new approach in Transformer language models, aiming to compress reasoning lengths. This model uses a post-SFT reinforcement-learning methodology to optimize latent reasoning length, minimizing it while maintaining accuracy.

Code: https://github.com/apning/adaptive-latent-reasoning

Sample Usage

You can load these models using the automodelforcausallm_from_pretrained_latent function from src.model_creation.

from transformers import AutoTokenizer
from src.model_creation import automodelforcausallm_from_pretrained_latent

repo_id = "Lapisbird/Llama-adaLR-model-latent-6"

model = automodelforcausallm_from_pretrained_latent(repo_id)
tokenizer = AutoTokenizer.from_pretrained(repo_id)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: LatentThinkingModel
Ревизия весов: 263dfc0