/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
18 авг 2026

Llama-3.1-8B-Instruct_SFT_mathv00.02_padded

Генерация текстаТекст → текст4 профессии

Дообученная на основе Llama 3.1 8B Instruct диалоговая языковая модель для генерации текста, в названии которой заявлена математическая настройка.

27скачиваний за 30 дней0лайковвеса обновлены18 авг 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

NeelRajani/Llama-3.1-8B-Instruct_SFT_mathv00.02_padded — дообученная модель семейства Llama 3.1, созданная на основе meta-llama/Llama-3.1-8B-Instruct с использованием TRL. Это плотная авторегрессионная языковая модель примерно на 7,5 млрд параметров для диалогов и генерации текста; заявленная длина контекста — 131 072 токена. В названии указана математическая настройка SFT, однако карточка не приводит описания обучающих данных или результатов, поэтому специализация и качество решения математических задач не подтверждены.

Модель принимает текстовые сообщения и генерирует текст. Её можно применять для диалоговых сценариев и пробных запросов на рассуждение и решение задач. Базовая модель поддерживает несколько языков, но README не уточняет языковое покрытие этой производной версии. Для использования необходимы Transformers и вычислительная среда, подходящая для её размера. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • черновое решение математических задач на естественном языке
  • создание текстовых ответов на пользовательские вопросы

Ограничения

Карточка не описывает датасеты, результаты оценки или подтверждённую точность на математических задачах; соответствующая специализация следует только из названия. Лицензия и конкретный перечень поддерживаемых языков в предоставленных данных отсутствуют.

Для каких профессий подходит4

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 Card for Llama-3.1-8B-Instruct_SFT_mathv00.02_padded

This model is a fine-tuned version of meta-llama/Llama-3.1-8B-Instruct. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="NeelRajani/Llama-3.1-8B-Instruct_SFT_mathv00.02_padded", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.1.0.dev0
  • Transformers: 4.57.6
  • Pytorch: 2.9.0
  • Datasets: 5.0.1
  • Tokenizers: 0.22.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

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
61bc315

0 моделей