/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
66 880
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-99-64D-1L-8H-256I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая модель семейства Llama, дообученная для генерации текста и имеющая контекст 256 токенов.

103скачиваний за 30 дней0лайковвеса обновлены27 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 семейства Llama, созданная на основе meta-llama/Llama-3.3-70B-Instruct и опубликованная под идентификатором arithmetic-circuit-overloading/Llama-3.3-70B-Instruct-3d-1M-100K-0.1-reverse-padzero-plus-mul-sub-99-64D-1L-8H-256I. В метаданных указаны архитектура LlamaForCausalLM, формат safetensors и размер 66,9 тыс. параметров; контекст модели составляет 256 токенов.

Модель предназначена для генерации текста. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,3839 на оценочном наборе, но не описывает назначение, качество или конкретные сценарии применения. Лицензия — llama3.3; применяйте модель с учётом условий лицензии Meta.

Сценарии применения

  • генерация текста по запросу
  • эксперименты с дообучением Llama
  • оценка генерации текста на коротком контексте

Ограничения

Назначение и обучающие данные не описаны; опубликовано только значение loss 1,3839 без подробностей оценки. Контекст ограничен 256 токенами, а указанный размер 66,9 тыс. параметров существенно расходится с размером базовой модели в 70 млрд параметров.

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-99-64D-1L-8H-256I

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: 1.3839

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 log003.0067
2.0750.06405001.9280
1.75320.128010001.7413
1.58580.192015001.5737
1.50180.256020001.4800
1.44320.320025001.4404
1.42610.384030001.4232
1.41620.448035001.4154
1.40870.512040001.4089
1.40620.576045001.4063
1.40320.640050001.4031
1.40070.704055001.4039
1.40180.768060001.4011
1.39690.831965001.3989
1.39790.895970001.3967
1.39730.959975001.3961
1.39631.023980001.3954
1.39451.087985001.3942
1.39361.151990001.3942
1.39371.215995001.3964
1.39291.2799100001.3928
1.3921.3439105001.3918
1.39151.4079110001.3909
1.39211.4719115001.3907
1.39131.5359120001.3910
1.39121.5999125001.3911
1.39061.6639130001.3896
1.38981.7279135001.3893
1.38871.7919140001.3897
1.38741.8559145001.3891
1.39081.9199150001.3894
1.38971.9839155001.3904
1.38862.0479160001.3879
1.38712.1119165001.3872
1.38742.1759170001.3873
1.38672.2399175001.3874
1.38722.3039180001.3868
1.3882.3678185001.3868
1.38652.4318190001.3866
1.38652.4958195001.3865
1.38712.5598200001.3864
1.38772.6238205001.3861
1.38522.6878210001.3860
1.38622.7518215001.3861
1.38592.8158220001.3854
1.38612.8798225001.3856
1.38552.9438230001.3853
1.38533.0078235001.3853
1.38573.0718240001.3854
1.38553.1358245001.3846
1.38523.1998250001.3847
1.38393.2638255001.3847
1.38623.3278260001.3847
1.38523.3918265001.3848
1.38363.4558270001.3845
1.38493.5198275001.3844
1.38473.5838280001.3843
1.3843.6478285001.3842
1.38453.7118290001.3843
1.38293.7758295001.3841
1.38283.8398300001.3840
1.38373.9038305001.3840
1.38483.9677310001.3840
1.38424.0317315001.3839
1.38494.0957320001.3839
1.3834.1597325001.3839
1.38474.2237330001.3839
1.38544.2877335001.3839
1.38544.3517340001.3839
1.38284.4157345001.3839
1.38394.4797350001.3839
1.38544.5437355001.3839
1.38284.6077360001.3839
1.38284.6717365001.3839
1.38434.7357370001.3839
1.38384.7997375001.3839
1.38544.8637380001.3839
1.38354.9277385001.3839
1.38234.9917390001.3839

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
706b22c

0 моделей

    Создать бенчмарк