Uploaded finetuned model
- Developed by: Tvisterious
- License: apache-2.0
- Finetuned from model : unsloth/meta-llama-3.1-8b-unsloth-bnb-4bit
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 7,5 млрд
- Размер весов
- 16,1 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Базовая модель
- meta-llama-3.1-8b-unsloth-bnb-4bit
- Опубликована
- 24 дек 2025
Ссылки
Llama-3.1-8B-text-to-sql-10K-RussianDataset
Дообученная модель Llama 3.1 для генерации SQL по русскоязычным запросам к данным.
53скачиваний за 30 дней0лайковвеса обновлены24 дек 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Tvisterious/Llama-3.1-8B-text-to-sql-10K-RussianDataset — дообученная Tvisterious языковая модель семейства Llama 3.1 для генерации текста. Название репозитория указывает на настройку для преобразования запросов на русском языке в SQL на наборе данных объёмом 10K; README подтверждает дообучение базовой модели, но не описывает формат входных данных или качество на этой задаче.
Модель имеет архитектуру LlamaForCausalLM с плотной структурой и 7,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат safetensors. Она основана на unsloth/meta-llama-3.1-8b-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0.
Сценарии применения
- преобразование вопроса на русском языке в SQL-запрос
- создание SQL для выборки данных из таблиц
- помощь при написании запросов к базе данных
Ограничения
README не приводит оценок качества, поддерживаемых СУБД или примеров запросов. Языковая поддержка русского следует из названия набора данных, а не из перечисленных языковых метаданных.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 707cd9d