/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,4 млрд
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
6 июн 2025

PARD-Llama-4-1B

Генерация текстаТекст → текст8 профессий

Компактная текстовая модель семейства Llama для диалоговой генерации с длинным контекстом и интерфейсом вызова инструментов.

454скачиваний за 30 дней0лайковвеса 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

amd/PARD-Llama-4-1B — компактная авторегрессионная языковая модель семейства Llama, опубликованная AMD в рамках проекта PARD. В карточке указаны 1,4 млрд параметров, контекст до 131 072 токенов, архитектура LlamaForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов; заявлена поддержка интерфейса вызова инструментов.

README описывает PARD как метод спекулятивного декодирования, который адаптирует черновые авторегрессионные модели для параллельного предсказания токенов и ускорения инференса. В нём заявлены ускорения по сравнению с обычной генерацией и возможность применять одну черновую модель с семейством целевых моделей. Однако в таблице весов README перечислены варианты PARD для Llama 3.2, Qwen и DeepSeek-R1-Distill-Qwen, но не указана модель Llama 4; поэтому связь именно этого репозитория с описанной адаптацией PARD из карточки подтвердить нельзя.

Модель принимает и генерирует текст. Метаданные указывают лицензию MIT. README отсылает за инструкциями по использованию к репозиторию PARD; сравнительные показатели ускорения относятся к описанному методу и интеграциям, а не подтверждены отдельно для этих весов.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание и продолжение текстов
  • обработка длинных текстовых запросов
  • вызов инструментов из диалоговой модели
  • ускорение генерации при использовании в схеме спекулятивного декодирования

Ограничения

README не приводит сведения о поддерживаемых естественных языках и не объясняет, как именно эти веса связаны с методом PARD; заявленные ускорения не подтверждены отдельно для данного репозитория.

Для каких профессий подходит8

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

Introduction

PARD is a high-performance speculative decoding method that also enables low-cost adaptation of autoregressive draft models into parallel draft models. It offers the following advantages:

  • Low-Cost Training: PARD adapts AR (autoregressive) draft models into parallel draft models with minimal overhead. Compared to pure AR draft models, PARD achieves an average inference speedup of 1.78×. By introducing a conditional drop-token strategy, PARD improves training efficiency by up to 3× while maintaining the same level of accuracy.

  • Generalizability: Thanks to its target-independent design, a single PARD draft model can accelerate an entire family of target models. This contrasts with target-dependent approaches such as Medusa and EAGLE, which require retraining or tuning for each new target. As a result, PARD significantly reduces both deployment complexity and adaptation cost.

  • High Performance: When integrated into an optimized inference framework called Transformers+ PARD delivers up to a 4.08× speedup, with LLaMA3.1 8B reaches a state-of-the-art 311.5 tokens per second. When integrated into vLLM, PARD delivers up to 3.06× speedup, outperforming other speculative decoding methods in vLLM by 1.51×.

Model Weights

Model SeriesModel NameDownload
llama3PARD-Llama-3.2-1B🤗 HuggingFace
DSR QwenPARD-DeepSeek-R1-Distill-Qwen-1.5B🤗 HuggingFace
QwenPARD-Qwen2.5-0.5B🤗 HuggingFace

How To Use

Please visit PARD repo for more information

Citation

@article{an2025pard,
  title={PARD: Accelerating LLM Inference with Low-Cost PARallel Draft Model Adaptation},
  author={An, Zihao and Bai, Huajun and Liu, Ziqiong and Li, Dong and Barsoum, Emad},
  journal={arXiv preprint arXiv:2504.18583},
  year={2025}
}

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
687114c

0 моделей