/ Модель

Характеристики

Контекст
8 192 токена
Параметры
464 млн
Размер весов
1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
22 сен 2024

arco-2

Генерация текстаТекст → текст3 профессии

Экспериментальная компактная языковая модель семейства Llama для простых англоязычных задач и решения вопросов ARC Challenge.

47скачиваний за 30 дней7лайковвеса обновлены31 мая 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3146

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2391

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3536

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1116

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0136

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1991

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

appvoid/arco-2 — экспериментальная языковая модель на архитектуре Llama с 464,4 млн параметров. В карточке она описана как экспериментальная версия модели Arco, ориентированная на решение простых задач на английском языке и тест ARC Challenge. Автор сообщает, что в ARC Challenge результат модели отстаёт на 1,2 пункта от базовой модели современного уровня с 3 млрд параметров; приведены также результаты нулевого обучения на нескольких тестах, но методика и сами значения для Arco в доступном фрагменте карточки не раскрыты.

Модель принимает текст и генерирует текст. Контекст — до 8192 токенов; готовый формат запроса намеренно не задан. Карточка рекомендует другие семейства моделей для многоязычных ответов, общих знаний и тривиально простых вопросов. Репозиторий содержит форматы ONNX и safetensors, лицензия — Apache-2.0. Метаданные указывают на слияние моделей, но не называют исходные модели.

Сценарии применения

  • решение вопросов теста ARC Challenge
  • выполнение простых англоязычных задач
  • сравнение компактных языковых моделей на бенчмарках

Ограничения

Карточка предупреждает, что модель не предназначена для многоязычных ответов и общих знаний; для простых вопросов автор также рекомендует Qwen или Llama. Формат запроса намеренно не задан.

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

cubby

This is a passthrough of arco with an experimental model. It improved on arc challenge, only missing 1.2 points to get to the level of modern 3b baseline performance.

If you prefer answering multilingual, general knowledge, trivially simple questions chose qwen or llama. If you prefer solving trivially simple english tasks while being half the size, chose arco.

prompt

there is no prompt intentionally set.

benchmarks

zero-shot results from state-of-the-art small language models

ParametersModelMMLUARC-CHellaSwagPIQAWinograndeAverage
0.5bqwen 244.1328.9249.0569.3156.9949.68
0.3bsmollm25.5237.7156.4171.9359.2750.17
0.5bdanube 324.8136.1860.4673.7861.0151.25
0.5bqwen 2.547.2931.8352.1770.2957.0651.72
0.5barco26.1737.2962.8874.3762.2752.60
0.5barco 225.5138.8263.0274.7061.2552.66

supporters

trivia

arco also means "arc optimized" hence the focus on this cognitive-based benchmark.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
96145c4

0 моделей