/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
4 сен 2026

HyperPrune-Llama-3.1-8B-2to4

Генерация текстаТекст → текст3 профессии

Разреженная версия Llama 3.1 8B для авторегрессионной генерации текста, подготовленная методом HyperPrune с маской 2:4.

117скачиваний за 30 дней0лайковвеса обновлены5 сен 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

HyperPrune-Llama-3.1-8B-2to4 — текстовая авторегрессионная модель семейства Llama, созданная elastix-ai на основе Meta Llama 3.1 8B. Веса модели прорежены до полуструктурированной разреженности 2:4 во всех 32 слоях декодера методом HyperPrune; в настройке использован калибровочный корпус SlimPajama-6B. Репозиторий содержит веса Safetensors для Transformers, а размер модели составляет около 7,5 млрд параметров. Контекст — до 131 072 токенов.

Модель предназначена для генерации текста и может использоваться для продолжения текста, языкового моделирования и оценки perplexity. В карточке приведены результаты на WikiText-2, C4 и нескольких задачах бенчмарка ARC и HellaSwag. Для сопоставления результатов важно учитывать, что в этом чекпойнте прорежены все слои, а HyperPrune определяет маску только для первых 200 выходных строк проекций; в остальных используется маска SparseGPT. Указана лицензия other, поэтому условия использования следует проверять в репозитории модели и у базовой модели.

Сценарии применения

  • генерация продолжения текста
  • языковое моделирование и оценка perplexity
  • сравнение качества разреженных LLM
  • эксперименты с ускорением инференса при поддержке 2:4

Ограничения

Показатели качества зависят от протокола оценки: приведённые в карточке варианты perplexity измеряют разные величины и напрямую несопоставимы. Для использования разреженности 2:4 с ускорением требуется совместимая аппаратная и программная поддержка.

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

HyperPrune-Llama-3.1-8B-2to4

meta-llama/Llama-3.1-8B pruned to 2:4 semi-structured sparsity with HyperPrune (Sun & Sakuma, Learning Semi-Structured Sparsity for LLMs via Shared and Context-Aware Hypernetwork, ICLR 2026, OpenReview).

This is a reproduction run produced at Elastix as part of the BLADE sparsity-method comparison. It is plain sparse bf16/fp16 safetensors and loads with stock transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("elastix-ai/HyperPrune-Llama-3.1-8B-2to4")
t = AutoTokenizer.from_pretrained("meta-llama/Llama-3.1-8B")

What differs from the paper's own recipe

paper / repo defaultthis checkpoint
calibration corpusallenai/c4DKYoon/SlimPajama-6B, validation (BLADE's corpus)
pruned modulessee belowsee below

Everything else — hypernet architecture, both training stages, all learning rates, step counts, temperature, prior, row selection — is HyperPrune's own shipped setting.

Configuration

{
  "model": {
    "name_or_path": "meta-llama/Llama-3.1-8B",
    "tokenizer": "meta-llama/Llama-3.1-8B"
  },
  "data": {
    "dataset_name": "slimpajama",
    "num_samples": 128,
    "seq_len": 2048,
    "seed": 42
  },
  "hypernet": {
    "type": "mlp",
    "hidden_dim": 256,
    "emb_dim": 64,
    "use_layer_emb": false,
    "use_comp_emb": false,
    "use_hessian_diag": true
  },
  "training": {
    "sup_steps": 12000,
    "sup_lr": 0.001,
    "ft_lr": 0.0003,
    "ft_nsamples": 4,
    "rows_per_step": 400,
    "cascade_inner_steps": 300,
    "ft_mode": "cascade",
    "tau": 0.5,
    "prior_source": "sparsegpt",
    "wanda_residual_alpha": 2.0,
    "compensated_propagation": true,
    "use_weight_compensation": true,
    "train_on_compensated": true,
    "fixed_rows_count": 200,
    "fixed_rows_pos": "first",
    "dense_layers_list": []
  },
  "output": {
    "save_dir": "/home/ubuntu/hyperprune_work/outputs/hp-llama31_8b-2to4",
    "wanda_dir": "/home/ubuntu/hyperprune_work/outputs/hp-llama31_8b-2to4_ref",
    "preserve_wanda_dir": false
  }
}

Measured

metricvalue
overall decoder sparsity (check_sparsity)0.5006 (all 32 decoder layers pruned)
WikiText-2 PPL (HyperPrune eval_ppl.py, seqlen 2048)15.537
WikiText-2 word PPL (lm-eval-harness, BLADE's protocol)22.27
training wall-clock24.2 min
peak GPU during cascade FT10.88 GB
GPU1 x NVIDIA RTX PRO 6000 Blackwell (97 GB), CUDA 13.0, torch 2.13.0+cu130

Two things to know before comparing this number to the paper

1. Every decoder layer is pruned here. HyperPrune's own shipped configs set dense_layers_list: [0, 1], leaving 2 layers fully dense and yielding ~46.9 % sparsity rather than 50 %. This checkpoint prunes every layer, matching BLADE's two_four_all spec, so it is a true 2:4 model in the modules BLADE prunes.

2. Only a few percent of this mask was chosen by the hypernet. The shipped recipe sets fixed_rows_count: 200, so the hypernet decides the mask for the first 200 output rows of each projection and every remaining row keeps the SparseGPT prior's mask verbatim. This is HyperPrune's own default, kept here deliberately because the brief was to change nothing but the calibration corpus.

The two perplexity rows are different quantities and are not comparable to each other. The first is token-level PPL over concatenated WikiText-2 at seqlen 2048 (the Wanda/SparseGPT convention). The second is lm-evaluation-harness word_perplexity at max_length=2048, which is BLADE's protocol — pinned empirically by reproducing BLADE's dense LLaMA-2-7B value of 9.19 (measured 9.1915).

On hyperparameter transfer

HyperPrune ships a config for LLaMA-3-8B, not LLaMA-3.1-8B. There is nothing model-specific to carry across: configs/llama2_7b.yaml and configs/llama3_8b.yaml are byte-identical in their hypernet: and training: blocks, and across all four shipped configs the only per-model variation is three OBS-compensation booleans and two budget bumps on the 70B. HyperPrune performs no per-model hyperparameter tuning, so this checkpoint uses the same recipe as every other model in this collection.

Provenance

Produced from HyperPrune commit 6d093d7 with a small set of documented patches (bias-dtype autocast, calibration loader, disk-peak reduction, and — for 4:8 checkpoints — the N:M generalization, which the reference implementation does not ship). See the reproduction report for the full diff.

Evaluation Results

KL Divergence

DatasetAvg KLTotal KLTokens
wikitext20.905580261525.9878288,794
c40.8950291654360.76711,848,388
slimpajama_calib0.8211216884702.73588,384,512

Downstream Accuracy

Taskacc, Nonestderr, None
arc_challenge0.31830.0136
arc_easy0.64940.0098
hellaswag0.42450.0049
mmlu0.29900.0038
openbookqa0.24400.0192
piqa0.69420.0107
race0.37420.0150
winogrande0.65350.0134

Perplexity (2048-token windows, max_length=2048)

DatasetWord PPLByte PPL
WikiText-222.26931.7866
C4 (en)53.95651.9488

BLADE-Eval: lm-eval 0.4.10, torch 2.13.0+cu130, MLflow run

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
1d719e6

0 моделей