/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
103 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Vllmxd
Библиотека
transformers
Опубликована
13 янв 2025

Ссылки

Hugging Face

LLaMa3.1-1bit-bitnet-cuda

jnjj
Генерация текстаТекст → текст3 профессии

Дообученная модель семейства LLaMA для генерации текста и диалоговых ответов с контекстом 256 токенов.

15скачиваний за 30 дней1лайквеса обновлены13 янв 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.

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

jnjj/LLaMa3.1-1bit-bitnet-cuda — дообученная модель семейства LLaMA для генерации текста. В метаданных указаны архитектура LlamaForCausalLM, 103,2 млн параметров и контекст длиной 256 токенов; модель представлена в формате safetensors и рассчитана на работу через Transformers. Карточка также отмечает возможности чата и интерфейс вызова инструментов.

Модель может использоваться для генерации продолжений текста и диалоговых ответов. README сообщает, что она дообучена на базе lilmeaty/Vllmxd, но не приводит сведений о датасете, обучении, оценке качества или предполагаемых сценариях применения. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжений текста
  • создание диалоговых ответов
  • эксперименты с компактными языковыми моделями

Ограничения

README не содержит сведений о данных обучения и результатах оценки качества. Контекст ограничен 256 токенами.

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

LLaMa3.1-1bit-bitnet-cuda

This model is a fine-tuned version of lilmeaty/Vllmxd on an unknown dataset.

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: 0.00015
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 2
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.48.0
  • Pytorch 2.5.1+cu121
  • Datasets 3.2.0
  • Tokenizers 0.21.0

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
8f2096a

0 моделей

    Создать бенчмарк