/ 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
6 сен 2026

HyperPrune-Llama-3.1-8B-4to8

Генерация текстаТекст → текст3 профессии

Разреженная модель на базе Llama 3.1 8B для генерации текста с прореживанием весов по схеме 4:8.

137скачиваний за 30 дней0лайковвеса обновлены7 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

ElastiX AI выпустила HyperPrune-Llama-3.1-8B-4to8 — разреженный вариант Meta Llama 3.1 8B для генерации текста. Модель основана на LlamaForCausalLM и содержит 7,5 млрд параметров; для загрузки используются Transformers и формат safetensors. Заявленный контекст составляет 131 072 токена.

Веса прорежены по схеме 4:8: в каждой группе из восьми позиций сохраняется не более четырёх ненулевых весов. По README, прорежены все 32 слоя декодера; маска получена методом HyperPrune, а калибровочный корпус отличается от рецепта статьи и использует SlimPajama-6B. Модель предназначена для генерации текста и исследовательской оценки разреженных LLM. В README приведены результаты perplexity и отдельных бенчмарков, но они зависят от протокола оценки.

Базовая модель поддерживает восемь языков, однако в предоставленных данных не перечислены их коды. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория; README не уточняет их.

Сценарии применения

  • генерация текста на основе запроса
  • экспериментальная оценка разреженных языковых моделей
  • сравнение качества моделей с разреживанием 4:8

Ограничения

Прореживание может снижать качество по сравнению с плотной базовой моделью; приведённые метрики получены на конкретных протоколах и не полностью сопоставимы между собой. Лицензия обозначена как other, поэтому перед использованием нужно проверить её условия.

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-4to8

meta-llama/Llama-3.1-8B pruned to 4:8 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-4to8")
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
  },
  "sparsity": {
    "n": 4,
    "m": 8
  },
  "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-4to8",
    "wanda_dir": "/home/ubuntu/hyperprune_work/outputs/hp-llama31_8b-4to8_ref",
    "preserve_wanda_dir": false
  }
}

Measured

metricvalue
overall decoder sparsity (check_sparsity)0.5009 (all 32 decoder layers, strict 4:8 verified)
WikiText-2 PPL (HyperPrune eval_ppl.py, seqlen 2048)11.827
WikiText-2 word PPL (lm-eval-harness, BLADE's protocol)16.39
training wall-clock20.4 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 four_eight_all spec, so it is a true 4:8 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).

4:8 is an extension, not a config flag

HyperPrune ships 2:4 only: the group width 4, the kept-count 2 and the 6-way pattern space are hard-coded across ~40 sites. This checkpoint comes from an N:M generalization (ElastiX patch #13) validated by three gates:

  1. 2:4 stays bit-identical through the generalized code — every per-layer reconstruction value matches the unmodified implementation exactly.
  2. 4:8 runs end to end with C(8,4)=70 patterns per group.
  3. Strict pattern compliance: zero groups anywhere in the checkpoint have more than 4 surviving weights out of 8. (Groups with fewer than 4 exist — kept positions whose weight was already exactly 0.0 in the dense model — which is still valid N:M, since the constraint bounds nonzeros from above.)

4:8 is a markedly easier pattern than 2:4 and the numbers reflect it: this model goes from 22.27 (2:4) to 16.39 word-perplexity.

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
wikitext20.635752183601.3827288,794
c40.6289141162477.20211,848,388
slimpajama_calib0.5624334715729.73888,384,512

Downstream Accuracy

Taskacc, Nonestderr, None
arc_challenge0.36430.0141
arc_easy0.68860.0095
hellaswag0.47260.0050
mmlu0.44140.0041
openbookqa0.28000.0201
piqa0.73070.0104
race0.37800.0150
winogrande0.70400.0128

Perplexity (2048-token windows, max_length=2048)

DatasetWord PPLByte PPL
WikiText-216.38531.6870
C4 (en)38.56871.8423

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
f28b9de

0 моделей