/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,3 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
sinhala-llama-1b-corpus-diverse
Опубликована
29 мар 2026

sinhala-llama-1b-sft-diverse

Генерация текстаТекст → текст3 профессии

Инструктивно настроенная модель LLaMA с 1,3 млрд параметров для генерации текста и выполнения инструкций на сингальском языке.

19скачиваний за 30 дней0лайковвеса обновлены4 апр 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 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

Minuri разработала эту инструктивно настроенную языковую модель для генерации текста на сингальском языке. Модель построена на плотной архитектуре LLaMA (`LlamaForCausalLM`) с 1,3 млрд параметров и дообучена методом SFT на примерно 213 тысячах пар инструкций на сингальском языке. Её базовая модель прошла дополнительное предобучение на разнообразном корпусе сингальских текстов; контекст составляет до 131 072 токенов.

Модель предназначена для следования инструкциям на сингальском языке, исследований и бенчмаркинга NLP для языков с ограниченными ресурсами, а также для дальнейших экспериментов с сингальскими LLM. В серии вариантов README называет её наиболее успешной по результатам авторской оценки, но конкретная метрика для этой модели не приведена. По карточке, базовая модель достигла perplexity 10,49 среди трёх вариантов дополнительного предобучения. Ограничение, отмеченное авторами: из-за размера в 1 млрд параметров способность к сложным рассуждениям ограничена. Модель опубликована в формате safetensors по лицензии Llama 3.2.

Сценарии применения

  • ответы на инструкции и вопросы на сингальском языке
  • генерация текстов на сингальском языке
  • эксперименты с LLM для языков с ограниченными ресурсами
  • бенчмаркинг генерации текста на сингальском языке
  • дообучение специализированных сингальских языковых моделей

Ограничения

Авторы отмечают ограниченные способности к сложным рассуждениям из-за размера модели. Предназначение и обучение ориентированы на сингальский язык, поэтому качество для других языков не установлено.

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

An instruction-tuned Sinhala language model fine-tuned on Minuri/sinhala-llama-1b-corpus-diverse (diversity-optimised continually pretrained LLaMA 3.2 1B). This is the best-performing model in the series, built on top of the CPT model that achieved the lowest perplexity (10.49). Part of a diversity-driven Sinhala language model adaptation study.

SFT model variants in this series:

  • Minuri/sinhala-llama-1b-sft-baseline - SFT on base LLaMA 3.2 1B (no CPT)
  • Minuri/sinhala-llama-1b-sft-news - SFT on sinhala-llama-1b-corpus-news
  • Minuri/sinhala-llama-1b-sft-random - SFT on sinhala-llama-1b-corpus-random
  • Minuri/sinhala-llama-1b-sft-diverse - SFT on sinhala-llama-1b-corpus-diverse - this repo

This model is the result of supervised fine-tuning (SFT) of Minuri/sinhala-llama-1b-corpus-diverse on the Minuri/sinhala-sft-dataset (~213K Sinhala instruction pairs). The sinhala-llama-1b-corpus-diverse model was continually pretrained on a diversity-optimised Sinhala corpus prior to SFT, achieving a perplexity of 10.49 - the lowest among the three CPT variants.

Training Data

DatasetDescription
Minuri/sinhala-sft-dataset~213K Sinhala instruction pairs merged from three source datasets

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Minuri/sinhala-llama-1b-sft-diverse")
model = AutoModelForCausalLM.from_pretrained("Minuri/sinhala-llama-1b-sft-diverse")

Intended Uses

  • Sinhala instruction following
  • Low-resource NLP research and benchmarking
  • Base for further Sinhala LLM research

Limitations

  • 1B parameter model with limited reasoning capability

Related Repositories

RepoDescription
Minuri/sinhala-llama-1b-corpus-diverseBase model
Minuri/sinhala-sft-datasetSFT training dataset (~213K pairs)
Minuri/sinhala-llama-3.2-1b-tokenizerExtended Sinhala tokenizer
Minuri/sinhala-llama-1b-sft-baselineSFT baseline
Minuri/sinhala-llama-1b-sft-randomSFT on sinhala-llama-1b-corpus-random model
Minuri/sinhala-llama-1b-sft-diverseSFT on sinhala-llama-1b-corpus-diverse model

License

This model is derived from meta-llama/Llama-3.2-1B and is subject to the LLaMA 3.2 Community License.

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
923df29

0 моделей