RantiRepo/Llama3.2-1B-DPO-LoRA — адаптер LoRA для диалоговой модели Meta Llama 3.2 1B Instruct, дообученный разработчиком репозитория методом Direct Preference Optimization (DPO). Он предназначен для генерации ответов в диалоге с предпочтением выбранных при обучении вариантов ответа. Адаптер обучался два эпоха на 20 000 примерах датасета IndonesiaAI/dpo-dataset с рангом LoRA 16 и alpha 32; для обучения использовалась последовательность длиной до 1024 токенов. Модель имеет архитектуру LlamaForCausalLM, содержит около 1,2 млрд параметров и рассчитана на контекст до 131 072 токенов согласно метаданным. В карточке указан индонезийский язык; базовая модель описана как многоязычная.

Адаптер предназначен для использования вместе с базовой моделью meta-llama/Llama-3.2-1B-Instruct и подходит для создания диалоговых ответов и генерации текста. Лицензия в предоставленных данных не указана. Качество адаптации зависит от предмета запросов и состава набора предпочтений; карточка не приводит оценок качества или подробных ограничений применения.