/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
68,7 млрд
Размер весов
19,2 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
Llama-2-70b-hf
Библиотека
transformers
Опубликована
26 авг 2026

Llama-2-70b-QuIP-HARP-2Bit

Генерация текстаТекст → текст3 профессии

2-битная квантованная версия Llama 2 70B с методом HARP для генерации текста при сниженных требованиях к хранению весов.

19скачиваний за 30 дней0лайковвеса обновлены30 авг 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.

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

brain-lab выпустила эту 2-битную квантованную версию Meta Llama 2 70B — плотной авторегрессионной языковой модели с 68,7 млрд параметров. Квантование выполнено методом HARP, который заменяет фиксированное случайное преобразование Hadamard в конвейере QuIP# на обучаемый ортогональный процессор. Процессор настраивается только на калибровочных данных, без переобучения самой модели, и хранится в int8 с небольшими дополнительными затратами на параметры.

Модель предназначена для генерации текста и запуска языковой модели при экстремально низкой разрядности весов. В README приведены результаты на WikiText2 и C4 при контексте 4096 токенов: perplexity 4,01 и 5,82 соответственно. Для инференса нужны упакованные веса в стиле QuIP# и код `harp_quip`; обычный `transformers.AutoModelForCausalLM` не подходит. Базовая Llama 2 70B ориентирована на английский язык. Условия лицензии — Llama 2 Community License.

Сценарии применения

  • генерация английского текста при ограниченной памяти для весов
  • запуск большой языковой модели с 2-битными весами
  • эксперименты с экстремальной квантованием LLM
  • оценка качества квантования на текстовых корпусах WikiText2 и C4

Ограничения

Для инференса требуется код `harp_quip` и формат упакованных весов QuIP#; стандартный `transformers.AutoModelForCausalLM` не поддерживается. Контекст составляет 4096 токенов, а заявленная языковая ориентация базовой модели — английский.

Для каких профессий подходит3

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-2-70b-QuIP-HARP-2Bit

2-bit quantized version of meta-llama/Llama-2-70b-hf, produced with HARP (Hadamard-Preconditioned Adaptive Rotations), a learnable structured orthogonal incoherence processor for extreme LLM quantization.

What is HARP?

Ultra-low-bit PTQ methods such as QuIP# rely on a randomized Hadamard transform (RHT) to make weights more incoherent before quantization. HARP replaces this fixed transform with a learned structured orthogonal processor. It starts from a Hadamard-style initialization and is fit only on calibration data, so no model retraining is needed. Stored in int8, it adds negligible bits-per-parameter overhead. Everything else in the QuIP# pipeline (codebooks, LDLQ solver, HF export, inference) stays unchanged.

Results

WikiText2 / C4 perplexity at ~2 bits, context length 4096 (BPP includes HARP processor storage):

MethodBPP↓Wiki2↓C4↓
QuIP# (fixed RHT)2.004.166.01
QuIP# + HARP (this model)2.024.015.82

Usage

This checkpoint uses QuIP#-style packed weights and requires the harp_quip inference code (a fork of QuIP#) rather than plain transformers.AutoModelForCausalLM:

git clone https://github.com/brain-lab-research/HARP
cd HARP/harp_quip
pip install -r requirements.txt
cd quiptools && python setup.py install && cd ..
from lib.utils.unsafe_import import model_from_hf_path

model, model_str = model_from_hf_path("brain-lab/Llama-2-70b-QuIP-HARP-2Bit")

See harp_quip/eval/eval_ppl.py and harp_quip/eval/eval_zeroshot.py for perplexity / zero-shot evaluation scripts, and the main repo README for the full quick-start guide.

License

Governed by the Llama 2 license. This is a derivative of Meta's Llama 2 70B; use is subject to Meta's Llama 2 Community License Agreement.

Citation

@article{zagitov2026harp,
  title={HARP: Hadamard-Preconditioned Adaptive Rotation Processor for Extreme LLM Quantization},
  author={Artur Zagitov and Gleb Molodtsov and Aleksandr Beznosikov},
  year={2026},
  eprint={2605.29843},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/2605.29843},
}

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
ab0e33e

0 моделей