/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
28 мая 2025

Llama-3.1-8B-tldr

Генерация текстаТекст → текст5 профессий

Дообученная Llama 3.1 на 7,5 млрд параметров для краткого пересказа текстов в стиле публикаций Reddit.

44скачиваний за 30 дней2лайкавеса обновлены6 июн 2025

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

RedHatAI/Llama-3.1-8B-tldr — текстовая авторегрессионная модель Red Hat (Neural Magic), дообученная на базе meta-llama/Llama-3.1-8B на наборе trl-lib/tldr. Она предназначена для краткого пересказа текстов в стиле публикаций Reddit и принимает текст, выдавая текст. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов.

В README указано, что на тестовой части trl-lib/tldr модель получила BERTScore 0,366. Её можно развернуть с помощью vLLM. Модель распространяется по лицензии Llama 3.1 Community License; применяются ограничения её Acceptable Use Policy.

Сценарии применения

  • краткий пересказ длинного текста
  • создание пересказа в стиле поста Reddit
  • суммирование пользовательских публикаций

Ограничения

Оценка BERTScore на тестовой части trl-lib/tldr составляет 0,366; качество на других типах текстов в карточке не описано. Использование ограничено условиями Llama 3.1 Community License и Acceptable Use Policy.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.1-8B-tldr

Model Overview

  • Model Architecture: LlamaForCausalLM
    • Input: Text
    • Output: Text
  • Release Date: 05/29/2025
  • Version: 1.0
  • Intended Use Cases: This model is finetuned to summarize text in the style of Reddit posts.
  • Out-of-scope: Use in any manner that violates applicable laws or regulations (including trade compliance laws). Use in any other way that is prohibited by the Acceptable Use Policy and Llama 3.1 Community License.
  • Model Developers: Red Hat (Neural Magic)

This model is a fine-tuned version of meta-llama/Llama-3.1-8B on the trl-lib/tldr dataset. This model obtains 0.366 BERTScore on the test set of trl-lib/tldr.

Deployment

This model can be deployed efficiently using vLLM, as shown in the example below.

Run the following command to start the vLLM server:

vllm serve RedHatAI/Llama-3.1-8B-tldr

Once your server is started, you can query the model using the OpenAI API:

from openai import OpenAI

openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"
client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

post="""
SUBREDDIT: r/AI

TITLE: Training sparse LLMs

POST: Now you can use the llm-compressor integration to axolotl to train sparse LLMs!

It's super easy to use. See the example in https://huggingface.co/RedHatAI/Sparse-Llama-3.1-8B-tldr-2of4.

And there's more. You can run 2:4 sparse models on vLLM and get significant speedupts on Hopper GPUs!
"""

prompt = f"Give a TL;DR of the following Reddit post.\n<|user|>{post}\nTL;DR:\n<|assistant|>\n"

completion = client.completions.create(
  model="RedHatAI/Llama-3.1-8B-tldr",
  prompt=prompt,
  max_tokens=256,
)
print("Completion result:", completion)

Training

axolotl version: 0.10.0.dev0

base_model: meta-llama/Llama-3.1-8B

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: trl-lib/tldr
    type:
      system_prompt: "Give a TL;DR of the following Reddit post."
      field_system: system
      field_instruction: prompt
      field_output: completion
      format: "<|user|>\n{instruction}\n<|assistant|>\n"
      no_input_format: "<|user|>\n{instruction}\n<|assistant|>\n"
    split: train

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: true
eval_sample_packing: true

torch.compile: true
gradient_accumulation_steps: 1
micro_batch_size: 4
num_epochs: 3
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 1e-5
max_grad_norm: 1

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false

train_on_inputs: false
bf16: auto
fp16:
tf32: false

early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
flash_attention: true

warmup_ratio: 0.05
evals_per_epoch: 4
val_set_size: 0.05
save_strategy: "best"
save_total_limit: 1
metric_for_best_model: "loss"

debug:
deepspeed:
weight_decay: 0.0
special_tokens:
  pad_token: "<|end_of_text|>"

seed: 0

plugins:
  - axolotl.integrations.liger.LigerPlugin

liger_rope: true
liger_rms_norm: true
liger_glu_activation: true
liger_layer_norm: true
liger_fused_linear_cross_entropy: true

Training

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 32
  • total_eval_batch_size: 32
  • optimizer: Use adamw_bnb_8bit with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 49
  • num_epochs: 3.0
Training LossEpochStepValidation Loss
2.25720.003112.2288
1.78650.2508821.7680
1.72570.50151641.7567
1.73430.75232461.7489
1.76881.00313281.7441
1.68221.25384101.7493
1.60851.50464921.7480
1.66271.75545741.7444
1.7292.00616561.7426
1.61492.25697381.7540
1.60022.50768201.7537
1.65732.75849021.7526
  • Transformers 4.51.3
  • Pytorch 2.7.0+cu126
  • Datasets 3.5.1
  • Tokenizers 0.21.1

Evaluation

The model was evaluated on the test split of trl-lib/tldr using the Neural Magic fork of lm-evaluation-harness (tldr branch). One can reproduce these results by using the following command:

lm_eval --model vllm --model_args "pretrained=RedHatAI/Llama-3.1-8B-tldr,dtype=auto,add_bos_token=True" --batch-size auto --tasks tldr

Inference Performance

We evaluated the inference performance of this model using the first 1,000 samples from the training set of the trl-lib/tldr dataset. Benchmarking was conducted with vLLM version 0.9.0.1 and GuideLLM version 0.2.1.

The figure below presents the mean end-to-end latency per request across varying request rates. Results are shown for this model, as well as two variants:

Latency

To replicate the benchmark:

  1. Generate a JSON file containing the first 1,000 training samples:
from datasets import load_dataset
ds = load_dataset("trl-lib/tldr", split="train").take(1000)
ds.to_json("tldr_1000.json")
  1. Start a vLLM server using your target model:
vllm serve RedHatAI/Llama-3.1-8B-tldr
  1. Run the benchmark with GuideLLM:
GUIDELLM__OPENAI__MAX_OUTPUT_TOKENS=128 guidellm benchmark --target "http://localhost:8000" --rate-type sweep --data tldr_1000.json

The average output length is approximately 30 tokens per sample. We capped the generation at 128 tokens to reduce performance skew from rare, unusually verbose completions.

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
c1e1cdc

0 моделей