/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
789 120
Лицензия
Llama 3.3
Архитектура
llama · dense
Базовая модель
Llama-3.3-70B-Instruct
Библиотека
transformers
Опубликована
26 фев 2026

Ссылки

Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-128D-3L-4H-512I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Llama 3.3 70B Instruct для генерации текста с неописанными данными и назначением.

100скачиваний за 30 дней0лайковвеса обновлены26 фев 2026

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

Это экспериментальная дообученная модель генерации текста на базе Meta Llama 3.3 70B Instruct. В карточке указано, что она обучена на неизвестном наборе данных; приведён результат Loss 1,0885 на наборе оценки, но целевое назначение и методика оценки не описаны. Модель использует архитектуру LlamaForCausalLM и формат safetensors. Метаданные указывают 789,1 тыс. параметров и контекст 256 токенов, что расходится с характеристиками базовой модели Llama 3.3 70B Instruct; эти параметры относятся к репозиторию модели и требуют осторожной интерпретации.

Лицензия указана как llama3.3. Карточка не описывает конкретные области применения, поддерживаемые языки или ограничения качества; пригодность для практических сценариев по имеющимся сведениям оценить нельзя.

Сценарии применения

  • эксперименты с генерацией текста на базе Llama
  • оценка дообученной языковой модели

Ограничения

Набор данных, назначение, языки и методика оценки не описаны; приведён только Loss 1,0885. Указанные 789,1 тыс. параметров и контекст 256 токенов заметно расходятся с характеристиками базовой модели.

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 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-128D-3L-4H-512I

This model is a fine-tuned version of meta-llama/Llama-3.3-70B-Instruct on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0885

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: 0.001
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • 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: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
No log003.0702
1.77250.06405001.7419
1.6080.128010001.5923
1.41290.192015001.4138
1.30650.256020001.2802
1.23150.320025001.2256
1.20290.384030001.1990
1.18580.448035001.1836
1.17040.512040001.1698
1.15890.576045001.1591
1.15320.640050001.1528
1.15060.704055001.1508
1.14980.768060001.1496
1.14580.831965001.1482
1.14390.895970001.1445
1.14030.959975001.1384
1.13631.023980001.1359
1.13561.087985001.1342
1.13081.151990001.1365
1.12881.215995001.1277
1.12551.2799100001.1246
1.12381.3439105001.1253
1.11991.4079110001.1193
1.11891.4719115001.1140
1.11391.5359120001.1109
1.10931.5999125001.1097
1.10641.6639130001.1066
1.10721.7279135001.1047
1.10381.7919140001.1032
1.10341.8559145001.1014
1.10261.9199150001.1003
1.10391.9839155001.1043
1.10242.0479160001.1086
1.0972.1119165001.0964
1.10042.1759170001.0968
1.09712.2399175001.0960
1.09492.3039180001.0945
1.09482.3678185001.0944
1.10182.4318190001.0944
1.09522.4958195001.0930
1.09332.5598200001.0923
1.09312.6238205001.0918
1.09132.6878210001.0916
1.09512.7518215001.0914
1.09022.8158220001.0906
1.09112.8798225001.0903
1.08982.9438230001.0903
1.093.0078235001.0900
1.08943.0718240001.0897
1.08923.1358245001.0898
1.08913.1998250001.0894
1.08943.2638255001.0892
1.08863.3278260001.0892
1.08873.3918265001.0891
1.08823.4558270001.0889
1.08913.5198275001.0889
1.0893.5838280001.0888
1.0893.6478285001.0888
1.08953.7118290001.0887
1.08853.7758295001.0887
1.08913.8398300001.0886
1.08863.9038305001.0886
1.08843.9677310001.0886
1.08964.0317315001.0886
1.08924.0957320001.0885
1.08924.1597325001.0885
1.08914.2237330001.0885
1.08834.2877335001.0885
1.0884.3517340001.0885
1.0884.4157345001.0885
1.08774.4797350001.0885
1.08934.5437355001.0885
1.08784.6077360001.0885
1.08824.6717365001.0885
1.08874.7357370001.0885
1.08914.7997375001.0885
1.08834.8637380001.0885
1.08824.9277385001.0885
1.08794.9917390001.0885

Framework versions

  • Transformers 4.57.1
  • Pytorch 2.9.0+cu128
  • Datasets 4.5.0
  • Tokenizers 0.22.1

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
1ed0e97

0 моделей

    Создать бенчмарк