/ Модель
Каталог

Характеристики

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

Ссылки

Hugging FacearXiv 2512.18832

WorldModel-Stabletoolbench-Llama3.1-8B

X1AOX1A
Генерация текстаТекст → текст3 профессии

Дообученная на данных StableToolBench модель Llama 3.1 8B для генерации текста и диалоговых ответов.

105скачиваний за 30 дней7лайковвеса обновлены23 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.

  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.

Открыть конструктор бенчмарка

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

X1AOX1A/WorldModel-Stabletoolbench-Llama3.1-8B — дообученная авторами модели X1AOX1A версия Meta Llama 3.1 8B для генерации текста в диалоговом формате. В метаданных указаны архитектура LlamaForCausalLM, 7,5 млрд параметров и контекст до 131 072 токенов. Модель дообучена на наборе stabletoolbench_train_175183; метаданные также отмечают возможность чата.

Её можно применять для генерации ответов в диалогах и экспериментов с дообучением Llama 3.1 на данных StableToolBench. README не описывает целевое поведение модели, результаты оценки или ограничения, поэтому качество выполнения вызовов инструментов по этим материалам подтвердить нельзя. Лицензия обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

Сценарии применения

  • генерация ответов в диалоге
  • эксперименты с дообучением Llama 3.1 на StableToolBench
  • создание прототипа чат-ассистента

Ограничения

README не приводит результаты оценки и не описывает ограничения или подтверждённые сценарии вызова инструментов. Конкретные условия лицензии в предоставленных данных не раскрыты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

From Word to World: Can Large Language Models be Implicit Text-based World Models?

arXiv Blog HF Paper Models Dataset

stabletoolbench_train_160k

This model is a fine-tuned version of meta-llama/Meta-Llama-3.1-8B on the stabletoolbench_train_175183 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 5.0

Training results

Framework versions

  • Transformers 4.52.4
  • Pytorch 2.9.0+cu128
  • Datasets 3.6.0
  • Tokenizers 0.21.1

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
a6e34bb

0 моделей

    Создать бенчмарк