/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
8,4 млн
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-99-512D-2L-2H-2048I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Llama 3.3 для генерации текста с заявленным контекстом 256 токенов.

86скачиваний 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 текстовая модель семейства Llama, созданная дообучением meta-llama/Llama-3.3-70B-Instruct и опубликованная пользователем arithmetic-circuit-overloading. Репозиторий содержит веса в формате safetensors и заявляет 8,4 млн параметров; метаданные указывают контекст до 256 токенов. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,0778 на оценочном наборе.

Модель предназначена для генерации текста; конкретная специализация и предполагаемые сценарии применения не описаны. В качестве основы указана мультиязычная инструктивная модель Meta Llama 3.3, но качество и возможности именно этого чекпойнта нельзя вывести из описания. Лицензия указана как llama3.3; применяются условия лицензии базовой модели Meta.

Сценарии применения

  • генерация текста по запросу
  • диалоговые ответы на текстовые инструкции
  • эксперименты с дообучением Llama 3.3

Ограничения

Данные для дообучения не описаны, а карточка не уточняет специализацию модели; приведённый loss сам по себе не позволяет оценить её практическое качество. Заявленные 8,4 млн параметров существенно расходятся с размером базовой модели на 70 млрд параметров, поэтому число параметров в метаданных может быть непоказательным.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

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-99-512D-2L-2H-2048I

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: 1.0778

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 log003.0950
1.67050.06405001.6362
1.53330.128010001.5125
1.37130.192015001.3631
1.30390.256020001.2857
1.21250.320025001.2091
1.19320.384030001.1869
1.17410.448035001.1694
1.16680.512040001.1705
1.16130.576045001.1596
1.15760.640050001.1584
1.15390.704055001.1539
1.15250.768060001.1503
1.14720.831965001.1480
1.1460.895970001.1444
1.14250.959975001.1424
1.13771.023980001.1374
1.13691.087985001.1360
1.12881.151990001.1278
1.12551.215995001.1264
1.12241.2799100001.1227
1.11851.3439105001.1181
1.11211.4079110001.1110
1.1111.4719115001.1095
1.10971.5359120001.1089
1.10571.5999125001.1050
1.10551.6639130001.1057
1.10181.7279135001.1013
1.09921.7919140001.0999
1.09631.8559145001.0965
1.10011.9199150001.1015
1.09411.9839155001.0943
1.09212.0479160001.0907
1.092.1119165001.0895
1.09072.1759170001.0907
1.08832.2399175001.0879
1.08762.3039180001.0870
1.08672.3678185001.0878
1.08552.4318190001.0856
1.08472.4958195001.0842
1.08412.5598200001.0843
1.08362.6238205001.0830
1.08282.6878210001.0830
1.08292.7518215001.0823
1.08032.8158220001.0811
1.08122.8798225001.0810
1.08012.9438230001.0804
1.07943.0078235001.0802
1.07913.0718240001.0797
1.07843.1358245001.0795
1.07893.1998250001.0793
1.0793.2638255001.0792
1.07763.3278260001.0788
1.07773.3918265001.0787
1.07773.4558270001.0785
1.07783.5198275001.0784
1.07783.5838280001.0783
1.07843.6478285001.0782
1.07813.7118290001.0781
1.07753.7758295001.0781
1.07813.8398300001.0779
1.07763.9038305001.0779
1.07713.9677310001.0779
1.07834.0317315001.0778
1.07744.0957320001.0778
1.07814.1597325001.0778
1.07764.2237330001.0778
1.07654.2877335001.0778
1.07644.3517340001.0778
1.07684.4157345001.0778
1.07674.4797350001.0778
1.07734.5437355001.0778
1.07654.6077360001.0778
1.07694.6717365001.0778
1.07734.7357370001.0778
1.07754.7997375001.0778
1.07674.8637380001.0778
1.07694.9277385001.0778
1.07684.9917390001.0778

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
f3a4025

0 моделей

    Создать бенчмарк