/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
264 832
Лицензия
Llama 3.3
Архитектура
llama · dense
Базовая модель
Llama-3.3-70B-Instruct
Библиотека
transformers
Опубликована
25 фев 2026

Ссылки

Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.2-reverse-plus-mul-sub-99-128D-1L-8H-512I

arithmetic-circuit-overloading
Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель Llama для генерации текста, чьи целевые сценарии в карточке не описаны.

107скачиваний за 30 дней0лайковвеса обновлены25 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 3.3, созданная на основе meta-llama/Llama-3.3-70B-Instruct. В карточке указаны архитектура LlamaForCausalLM, формат safetensors и размер 264,8 тыс. параметров; задача по метаданным — генерация текста. Название и размер чекпойнта расходятся с базовой моделью на 70 млрд параметров, поэтому размер по метаданным не следует трактовать как размер исходной модели.

Заявлена оценка Loss 1,3540 на наборе для оценки, однако назначение дообучения, обучающие данные и предполагаемые сценарии использования не описаны. Метаданные указывают длину контекста 256 токенов. Язык лицензии — llama3.3; применимость условий лицензии следует проверять по лицензии базовой модели Meta.

Сценарии применения

  • Эксперименты с генерацией текста на основе Llama
  • Оценка качества генерации по функции потерь
  • Тестирование коротких текстовых продолжений

Ограничения

Данные дообучения и целевое назначение не описаны; оценка Loss 1,3540 дана без подробностей протокола. Метаданные указывают контекст 256 токенов и размер 264,8 тыс. параметров, что не согласуется с названием и указанной базовой моделью на 70 млрд параметров.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.3-70B-Instruct-3d-1M-100K-0.2-reverse-plus-mul-sub-99-128D-1L-8H-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: 1.3540

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 log003.0617
1.8580.06405001.8385
1.70550.128010001.6740
1.52480.192015001.5096
1.46170.256020001.4710
1.4450.320025001.4429
1.42890.384030001.4259
1.41280.448035001.4100
1.40160.512040001.4003
1.39380.576045001.3944
1.38880.640050001.3924
1.38670.704055001.3848
1.38230.768060001.3824
1.38010.831965001.3802
1.37790.895970001.3781
1.37740.959975001.3776
1.37651.023980001.3772
1.37771.087985001.3764
1.37481.151990001.3752
1.3741.215995001.3759
1.37321.2799100001.3741
1.37381.3439105001.3732
1.37381.4079110001.3735
1.37321.4719115001.3721
1.37051.5359120001.3708
1.36391.5999125001.3652
1.36391.6639130001.3641
1.3621.7279135001.3615
1.36041.7919140001.3604
1.36091.8559145001.3597
1.35851.9199150001.3590
1.35881.9839155001.3587
1.35922.0479160001.3590
1.35792.1119165001.3579
1.35742.1759170001.3577
1.35732.2399175001.3577
1.3572.3039180001.3576
1.35592.3678185001.3567
1.35692.4318190001.3565
1.35572.4958195001.3563
1.3562.5598200001.3560
1.35552.6238205001.3563
1.35532.6878210001.3557
1.3552.7518215001.3554
1.35412.8158220001.3557
1.35542.8798225001.3554
1.35492.9438230001.3550
1.35563.0078235001.3550
1.35533.0718240001.3551
1.35433.1358245001.3548
1.35533.1998250001.3547
1.35393.2638255001.3546
1.35413.3278260001.3545
1.35423.3918265001.3545
1.35383.4558270001.3544
1.35453.5198275001.3543
1.35343.5838280001.3544
1.35493.6478285001.3542
1.35353.7118290001.3542
1.35443.7758295001.3542
1.35393.8398300001.3542
1.35453.9038305001.3541
1.35473.9677310001.3541
1.35444.0317315001.3541
1.35454.0957320001.3541
1.3544.1597325001.3540
1.35334.2237330001.3540
1.35334.2877335001.3540
1.35334.3517340001.3540
1.35384.4157345001.3540
1.35394.4797350001.3540
1.35434.5437355001.3540
1.35424.6077360001.3540
1.35354.6717365001.3540
1.35424.7357370001.3540
1.35334.7997375001.3540
1.35424.8637380001.3540
1.35424.9277385001.3540
1.35354.9917390001.3540

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
9ddec6e

0 моделей

    Создать бенчмарк