/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
320 млн
Архитектура
llama · dense
Базовая модель
llama_small_config.json
Библиотека
transformers
Опубликована
28 фев 2026

Ссылки

Hugging Face

llama-300M-v2-isolate

deqing
Генерация текстаТекст → текст3 профессии

Дообученная компактная модель семейства Llama для генерации текста с контекстом до 1 024 токенов.

58скачиваний за 30 дней0лайковвеса обновлены2 мар 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

deqing/llama-300M-v2-isolate — плотная языковая модель семейства Llama, дообученная разработчиком на неизвестном наборе данных. Она предназначена для генерации текста; карточка приводит результат оценки Loss 3,0081 и сообщает, что при обучении модель увидела 9 633 792 000 входных токенов.

Модель содержит 320,1 млн параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers. Максимальная длина контекста — 1 024 токена. Весовые файлы представлены в формате safetensors. Сведения о поддерживаемых естественных языках и конкретных сценариях применения не приведены.

Лицензия в предоставленных данных не указана. Набор данных для дообучения неизвестен, а карточка не описывает ограничения или результаты для пользовательских задач; качество следует оценивать на целевых данных перед применением.

Сценарии применения

  • генерация коротких текстовых продолжений
  • создание черновиков текста
  • экспериментальная оценка компактных языковых моделей

Ограничения

Данные обучения неизвестны, а сведения о поддерживаемых языках и целевых сценариях отсутствуют. Контекст ограничен 1 024 токенами; лицензия и качество на прикладных задачах в предоставленных данных не описаны.

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-300M-v2-isolate

This model is a fine-tuned version of llama_small_config.json on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.0081
  • Num Input Tokens Seen: 9633792000

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.1.0
  • Pytorch 2.8.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

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
90c3a88

0 моделей

    Создать бенчмарк