Характеристики

Контекст: 131 072 токена
Параметры: 6,4 млрд
Размер весов: 13,9 ГБ
Архитектура: llama · dense
Библиотека: transformers
Опубликована: 3 авг 2024

Ссылки

Hugging Face arXiv 2403.17887 arXiv 1910.09700

Llama-3.1-8B-Pruned-4-Layers

Na0s

Генерация текстаТекст → текст6 профессий

Текстовая модель Llama 3.1 с удалёнными четырьмя внутренними слоями, предназначенная для генерации текста.

59скачиваний за 30 дней1лайквеса обновлены8 авг 2024

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

Na0s/Llama-3.1-8B-Pruned-4-Layers — текстовая авторегрессионная модель семейства Llama, созданная автором репозитория с помощью mergekit на основе meta-llama/Meta-Llama-3.1-8B. Метод passthrough удаляет слои 24–27, сохраняя слои 0–23 и 28–31; модель содержит около 6,4 млрд параметров и распространяется в формате safetensors. Заявленное окно контекста — 131 072 токена.

Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы и других сценариях языкового моделирования. В README приведён результат 0,2642 на MMLU Pro в режиме 0-shot. Это единственная указанная оценка, поэтому она не характеризует качество на широком наборе задач. Лицензия отдельно не указана в предоставленных данных; базовая модель Meta Llama 3.1 имеет собственные условия распространения, которые следует проверить перед использованием производной модели.

Сценарии применения

генерация ответов на пользовательские вопросы
ведение текстового диалога
создание черновиков и продолжение текста
экспериментальная оценка влияния глубины слоёв на качество языковой модели

Ограничения

В README приведена только оценка MMLU Pro 0-shot, поэтому качество в других задачах не установлено. Условия лицензии производной модели в предоставленных данных не указаны; проверьте условия базовой модели Meta Llama 3.1.

Для каких профессий подходит6

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Na0s/Llama-3.1-8b-Pruned-4-Layers

This is a merge of meta-llama/Meta-Llama-3.1-8B created using mergekit, with respect to the paper "The Unreasonable Ineffectiveness of the Deeper Layers"

Merge Details

Merge Method

This model was merged using the passthrough merge method.

Models Merged

The following models were included in the merge:

meta-llama/Meta-Llama-3.1-8B

Configuration

The following YAML configuration was used to produce this model:

dtype: bfloat16
merge_method: passthrough
slices:
- sources:
  - layer_range: [0, 23]
    model: meta-llama/Meta-Llama-3.1-8B
- sources:
  - layer_range: [28, 32]
    model: meta-llama/Meta-Llama-3.1-8B

Evaluation

MMLU Pro 0-shot: 0.2642

Evaluation Data

[TIGER-AI-Lab/MMLU-Pro]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

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: 4bc9c61