/ Модель

Характеристики

Контекст
131 072 токена
Параметры
212 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
20 окт 2024

MiniPLM-llama3.1-212M

Генерация текстаТекст → текст3 профессии

Компактная модель семейства LLaMA 3.1 для генерации английского текста, предобученная с нуля с дистилляцией знаний от Qwen1.5-1.8B.

45скачиваний за 30 дней6лайковвеса обновлены25 мар 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

MiniPLM-llama3.1-212M — плотная авторегрессионная языковая модель семейства LLaMA 3.1, разработанная авторами MiniPLM и обученная с нуля на корпусе Pile. В процессе предобучения применялась дистилляция знаний в рамках MiniPLM: учителем была Qwen1.5-1.8B. Модель содержит 211,7 млн параметров и предназначена для генерации текста и экспериментов с компактными языковыми моделями и переносом знаний между семействами архитектур.

Модель принимает текст и генерирует текст; карточка указывает английский язык и контекстное окно 131 072 токена. В репозитории доступны веса Safetensors для Transformers. Лицензия — Apache-2.0. Карточка не приводит конкретных результатов оценки или подробностей ограничений качества, поэтому перед практическим применением следует самостоятельно оценить качество на целевых задачах.

Сценарии применения

  • генерация продолжений английского текста
  • эксперименты с компактными языковыми моделями
  • изучение дистилляции знаний между семействами моделей

Ограничения

Карточка не содержит подробных результатов оценки и гарантий качества на прикладных задачах; пригодность для конкретного сценария следует проверять отдельно.

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

MiniPLM-llama3.1-212M

paper | code

MiniPLM-llama3.1-212M is a 212M model with the LLaMA3.1 achitecture pre-trained from scratch on the Pile using the MiniPLM knowledge distillation framework with the offcial Qwen1.5-1.8B as the teacher model. This model shows the flexibility of the MiniPLM framework in conducting knowledge distillation across model families.

We also open-source the pre-training corpus refined by Difference Sampling in MiniPLM for reproducibility.

Evaluation

MiniPLM models achieves better performance given the same computation and scales well across model sizes:

Baseline Models

Citation

@article{miniplm,
    title={MiniPLM: Knowledge Distillation for Pre-Training Language Models}, 
    author={Yuxian Gu and Hao Zhou and Fandong Meng and Jie Zhou and Minlie Huang},
    journal={arXiv preprint arXiv:2410.17215},
    year={2024}
}

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
f0962e5

0 моделей