/ Модель

Характеристики

Контекст
8 192 токена
Параметры
956 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
small-1b-sft
Библиотека
transformers
Опубликована
20 авг 2026

small-1b-dpo

Генерация текстаТекст → текст10 профессий

Дообученная методом DPO Llama-модель примерно на 1 млрд параметров для генерации текста и кода по запросам.

36скачиваний за 30 дней0лайковвеса обновлены20 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

kenpeter123/small-1b-dpo — языковая модель семейства Llama, разработанная автором репозитория и дообученная методом Direct Preference Optimization на базе kenpeter123/small-1b-sft. Она предназначена для генерации текста по запросам; метаданные также отмечают поддержку генерации кода. В README описана архитектура Transformer с 32 слоями, 12 головами внимания и группированным запросом внимания (GQA, 4 KV-головы); число параметров в метаданных — 956,3 млн, а контекст — 8192 токена.

DPO-обучение использует пары предпочтений: правильное эталонное решение выбирается вместо ошибочного или повторяющего запрос ответа базовой SFT-модели. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0. Карточка описывает обучающий чекпойнт, но не приводит оценки качества или подробностей о поддерживаемых языках помимо английского в метаданных.

Сценарии применения

  • генерация ответов на текстовые запросы
  • генерация фрагментов кода
  • получение решений задач с учётом предпочтений к корректным ответам

Ограничения

В README не приведены количественные оценки качества или подробная оценка поведения модели. Указанный размер в README (~1,03 млрд) отличается от значения total_parameters в метаданных (956,3 млн).

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Small-1B DPO Model

DPO (Direct Preference Optimization) model — 1B Transformer++ base, post-trained on top of SFT (kenpeter123/small-1b-sft) using preference pairs. Reference model = policy at init (standard DPO from the SFT anchor). 8-bit Adam, bf16, stage-isolated checkpoint.

SpecValue
Params1,031,898,624 (~1.03B)
Hidden1536 · 32 layers · 12 attn heads · 4 KV (GQA) · head_dim 128
FFN4608 SwiGLU
Seq len2048 (train) / 8192 (config)
Vocab49152 (SmolLM2-135M tokenizer, BPE)
DPOsteps 300 · lr 1e-05 · β 0.1 · sigmoid loss
Optimizerbitsandbytes Adam8bit, bf16

Preference pairs: raw problem prompt (chosen = gold correct solution, rejected = SFT model's wrong/echo generation). Raw training checkpoint included as dpo_best.pt (model_state_dict only, bf16).

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
d7be3ac

0 моделей