/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
32,4 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
23 ноя 2024

Llama-3.1-8B-Instruct-ta-madlad-mean-tuned

Генерация текстаТекст → текст4 профессии

Адаптированная для тамильского языка модель Llama 3.1 8B Instruct для диалогов и генерации текста.

23скачиваний за 30 дней0лайковвеса обновлены5 дек 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

Модель atsuki-yamaguchi/Llama-3.1-8B-Instruct-ta-madlad-mean-tuned — языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и адаптированная для тамильского языка. Она сохраняет плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров; для неё заявлен контекст до 131 072 токенов.

Модель непрерывно предобучали на 500 млн тамильских токенов из MADLAD-400 и расширили словарь на 10 тыс. единиц. Веса новых эмбеддингов и выходного слоя инициализировали средним значением. Модель предназначена для диалогов и генерации текста на тамильском языке; метаданные также указывают интерфейс для вызова инструментов.

Для использования требуются Transformers и соблюдение условий Llama 3.1 Community License Agreement. Карточка описывает адаптацию к тамильскому языку, но не приводит сравнительных оценок качества; возможности базовой модели могут зависеть от языка и сценария применения.

Сценарии применения

  • ответы на вопросы на тамильском языке
  • ведение диалога на тамильском языке
  • генерация текстов на тамильском языке
  • создание тамильскоязычного помощника с вызовом инструментов

Ограничения

Карточка не содержит сравнительных оценок качества; пригодность модели для конкретных задач на тамильском языке требует проверки. Условия использования определяются Llama 3.1 Community License Agreement.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama 3.1 8B Instruct for Tamil: Vocabulary expansion

This model is built on top of Llama 3.1 8B Instruct adapted for Tamil using 500M target language tokens sampled from MADLAD-400. It has an additional target vocabulary of 10K.

Model Details

  • Vocabulary: This model has an additional target vocabulary of 10K.
  • Target vocabulary initialization: The target weights of the embedding and LM head were initialized using mean initialization.
  • Training: This model was continually pre-trained on 500M target language tokens sampled from MADLAD-400.

Model Description

  • Language: Tamil
  • License: Llama 3.1 Community License Agreement
  • Fine-tuned from model: meta-llama/Llama-3.1-8B-Instruct

Model Sources

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "atsuki-yamaguchi/Llama-3.1-8B-Instruct-ta-madlad-mean-tuned"
)
tokenizer = AutoTokenizer.from_pretrained(
    "atsuki-yamaguchi/Llama-3.1-8B-Instruct-ta-madlad-mean-tuned"
)

Citation

@article{yamaguchi2025adapting,
      title={Adapting Chat Language Models Using Only Target Unlabeled Language Data}, 
      author={Atsuki Yamaguchi and Terufumi Morishita and Aline Villavicencio and Nikolaos Aletras},
      journal={Transactions on Machine Learning Research},
      issn={2835-8856},
      year={2025},
      url={https://openreview.net/forum?id=6IdoIKowfe},
      note={}
}

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
9a3fab3

0 моделей