/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
TinyLlama-1.1B-Chat-v1.0
Библиотека
transformers
Опубликована
22 сен 2026

tinyllama-peft-merged

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель TinyLlama для генерации текста и диалоговых ответов.

185скачиваний за 30 дней0лайковвеса обновлены22 сен 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

SaniaKhalid/tinyllama-peft-merged — англоязычная чат-модель на архитектуре Llama, дообученная с помощью PEFT LoRA и сохранённая в виде объединённых весов. Она содержит около 1 млрд параметров и предназначена для генерации текста и диалоговых ответов; модель запускается через Transformers и хранится в формате Safetensors.

Модель унаследовала базу TinyLlama/TinyLlama-1.1B-Chat-v1.0 с контекстом до 2048 токенов. Компактный размер делает её подходящей для экспериментов и диалоговых приложений с ограниченными вычислительными ресурсами. Лицензия — Apache-2.0. Карточка описывает её как готовую к использованию, но не приводит оценок качества или конкретных ограничений безопасности.

Сценарии применения

  • создание простого англоязычного чат-бота
  • генерация коротких текстовых ответов
  • эксперименты с PEFT и LoRA на компактной языковой модели

Ограничения

Контекст ограничен 2048 токенами. В карточке нет оценок качества и подробного описания ограничений безопасности.

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

🦙 TinyLlama PEFT Merged

A fully merged, production-ready TinyLlama model fine-tuned with PEFT LoRA


📌 Quick Facts

AttributeValue
Model Size2.2 GB
Parameters1.1 Billion
FormatPyTorch Safetensors
PrecisionFP16
Context2048 tokens
Training FrameworkPEFT + TRL
InferenceNo PEFT required

🚀 Quick Start

from transformers import AutoTokenizer, AutoModelForCausalLM

# One-liner to load
tokenizer = AutoTokenizer.from_pretrained("arif-butt/tinyllama-peft-merged")
model = AutoModelForCausalLM.from_pretrained(
    "arif-butt/tinyllama-peft-merged",
    torch_dtype=torch.float16,
    device_map="auto"
)

# Generate
prompt = "Q: What courses does Arif teach?\nA:"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📦 What's Inside
tinyllama-peft-merged/
├── model.safetensors      # 2.2 GB — merged weights
├── config.json            # Model architecture
├── generation_config.json # Default generation settings
├── tokenizer.json         # Vocabulary (1.76 MB)
├── tokenizer_config.json  # Tokenizer settings
└── special_tokens_map.json # Special tokens

No adapter files. No PEFT needed. Just load and go.


🔧 Generation Settings
outputs = model.generate(
    **inputs,
    max_new_tokens=150,
    temperature=0.7,
    top_p=0.95,
    do_sample=True,
    repetition_penalty=1.1,
    pad_token_id=tokenizer.eos_token_id,
)


💬 Prompt Format
Q: Your question here?
A:
Example:

  Q: What is deep learning?
A: Deep learning is a subset of machine learning...


Q: What is Python?
A: Python is a high-level, interpreted programming language known for its simple, readable syntax. It supports multiple programming paradigms including object-oriented, imperative, and functional programming.

Q: Explain gradient descent
A: Gradient descent is an optimization algorithm used to minimize the loss function in machine learning models. It works by iteratively moving parameters in the direction of the negative gradient.

Q: Name Arif's courses
A: Dr. Muhammad Arif Butt teaches Python Programming, Data Structures & Algorithms, Machine Learning, and Deep Learning courses.

Epoch 1: ████████████████░░░░ 0.8
Epoch 2: ████████████████████ 0.4
Epoch 3: ████████████████████ 0.05

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
3305a2b

0 моделей