/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
9,9 млрд
Размер весов
41,2 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Falcon3-10B-Base
Библиотека
transformers
Опубликована
31 дек 2024

Virtuoso-Lite-PreDistill

Генерация текстаТекст → текст15 профессий

Экспериментальная 9,9-миллиардная языковая модель Arcee AI для диалогов, генерации кода, математических задач и анализа данных.

105скачиваний за 30 дней3лайкавеса обновлены29 янв 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

Virtuoso-Lite-PreDistill — экспериментальная текстовая модель для генерации и диалогов от Arcee AI. Согласно карточке, это предварительная версия Virtuoso-Lite: вариант стандартного обучения SFT и объединения с RLHF, подготовленный для проверки перед дополнительными этапами обучения. В README описана дистилляция логитов Deepseek-V3 на примерно 1,1 млрд токенов и архитектура Llama-3; метаданные Hugging Face указывают архитектуру LlamaForCausalLM, 9,9 млрд параметров и базовую модель tiiuae/Falcon3-10B-Base. Доступны веса в формате safetensors, библиотека Transformers и контекстное окно до 32 768 токенов по метаданным.

Модель предназначена для чат-ботов и виртуальных помощников, анализа данных, исследовательских прототипов и STEM-обучения. В README заявлены возможности рассуждения, генерации и отладки кода, а также решения математических задач; метаданные отмечают интерфейс вызова инструментов. Основной язык не указан, поэтому язык не классифицируется. Лицензия обозначена как falcon-llm-license в README и как other в метаданных; перед использованием следует проверить условия распространения в карточке модели.

Сценарии применения

  • создание чат-бота или виртуального помощника
  • генерация и отладка кода
  • решение математических задач
  • анализ данных в компактном развертывании
  • создание STEM-образовательного прототипа

Ограничения

Это предварительная версия модели, подготовленная для проверки перед дальнейшими этапами обучения. README предупреждает о возможных смещениях и вредоносных генерациях; заявленная длина контекста в README (128k) расходится с метаданными Hugging Face (32 768 токенов).

Для каких профессий подходит15

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

Virtuoso-Lite (10B) is our next-generation, 10-billion-parameter language model based on the Llama-3 architecture. It is distilled from Deepseek-v3 using ~1.1B tokens/logits, allowing it to achieve robust performance at a significantly reduced parameter count compared to larger models. Despite its compact size, Virtuoso-Lite excels in a variety of tasks, demonstrating advanced reasoning, code generation, and mathematical problem-solving capabilities.

Note

This is the pre-distilled version of Virtuoso-Lite, a standard SFT+RLHF merge training run used to validate the model before proceeding with the additional training steps outlined below.

GGUF

Quantizations available here

Model Details

  • Architecture Base: Falcon-10B (based on Llama-3)
  • Parameter Count: 10B
  • Tokenizer:
    • Initially integrated with Deepseek-v3 tokenizer for logit extraction.
    • Final alignment uses the Llama-3 tokenizer, with specialized “tokenizer surgery” for cross-architecture compatibility.
  • Distillation Data:
    • ~1.1B tokens/logits from Deepseek-v3’s training data.
    • Logit-level distillation using a proprietary “fusion merging” approach for maximum fidelity.
  • License: falcon-llm-license

Background on Deepseek Distillation

Deepseek-v3 serves as the teacher model, from which we capture logits across billions of tokens. Rather than standard supervised fine-tuning, Virtuoso-Lite applies a full logit-level replication to preserve the most crucial insights from the teacher. This approach enables:

  • Strong performance on technical/scientific queries
  • Enhanced code generation and debugging
  • Improved consistency in math-intensive tasks

Intended Use Cases

  • Chatbots & Virtual Assistants
  • Lightweight Enterprise Data Analysis
  • Research Prototypes & Proofs of Concept
  • STEM Educational Tools (where smaller footprint is advantageous)

Evaluations

How to Use

Below is a sample code snippet using transformers:

from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "arcee-ai/virtuoso-lite"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

prompt = "Provide a concise summary of quantum entanglement."
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=150)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training & Fine-Tuning

  • Initial Training: Began with Falcon-10B, optimized for large-scale text ingestion.
  • Distillation & Merging:
    • Trained on ~1.1B tokens/logits from Deepseek-v3.
    • Employed “fusion merging” to capture detailed teacher insights.
    • Final step included DPO to enhance alignment and mitigate hallucinations.
  • Future Developments: We plan to incorporate additional R1 distillations to further improve specialized performance and reduce model footprint.

Performance

Virtuoso-Lite demonstrates strong results across multiple benchmarks (e.g., BBH, MMLU-PRO, MATH), often standing its ground against models with higher parameter counts. This efficiency is largely credited to logit-level distillation, which compresses the teacher model’s capabilities into a more parameter-friendly package.

Limitations

  • Context Length: 128k Tokens (may vary depending on the final tokenizer settings and system resources).
  • Knowledge Cut-off: Training data may not reflect the latest events or developments beyond June 2024.

Ethical Considerations

  • Content Generation Risks: Like any language model, Virtuoso-Lite can generate potentially harmful or biased content if prompted in certain ways.

License

Virtuoso-Lite (10B) is released under the falcon-llm-license License. You are free to use, modify, and distribute this model in both commercial and non-commercial applications, subject to the terms and conditions of the license.

If you have questions or would like to share your experiences using Virtuoso-Lite (10B), please connect with us on social media. We’re excited to see what you build—and how this model helps you innovate!

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
8547210

0 моделей