/ 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
12 мая 2026

Llama-3.1-8B-Instruct_SFT_mathv00.02_s44

Генерация текстаТекст → текст3 профессии

Дообученная на базе Llama 3.1 8B Instruct модель для генерации текста и диалогов с предположительной математической специализацией.

324скачиваний за 30 дней0лайковвеса обновлены12 мая 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

Neelectric/Llama-3.1-8B-Instruct_SFT_mathv00.02_s44 — дообученная Neelectric с помощью TRL модель Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров для генерации текста и диалогов; карточка показывает запуск через Transformers и text-generation pipeline. Название указывает на настройку для математических задач, однако README не приводит описание обучающих данных, конкретных математических возможностей или результатов оценки. Модель принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. В метаданных указана лицензия базовой модели Llama, но лицензия этого репозитория отдельно не подтверждена.

Модель подходит для диалогового использования и генерации ответов, в том числе для проверки её поведения на математических запросах. Языки модели в метаданных не перечислены; многоязычные возможности унаследованы от базовой модели, но конкретная поддержка языков этой версии не подтверждена.

Сценарии применения

  • генерация ответов в диалоге
  • эксперименты с решением математических задач
  • создание текстовых ответов на пользовательские запросы

Ограничения

README не содержит оценок качества, примеров решения математических задач или сведений о данных дообучения; математическую специализацию нельзя подтвердить по результатам. Лицензия репозитория отдельно не указана.

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 Card for Llama-3.1-8B-Instruct_SFT_mathv00.02_s44

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="Neelectric/Llama-3.1-8B-Instruct_SFT_mathv00.02_s44", 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: 4.8.5
  • 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
6698e92

0 моделей