BitAgent-Bounty-8B-dpo-prune — дообученная модель семейства Llama от разработчиков BitAgent. Она создана на основе BitAgent/BitAgent-Bounty-8B методом итеративного пошагового DPO с отбором проверенных траекторий; веса после LoRA-дообучения объединены с базовой моделью. Модель предназначена для многошагового вызова функций и использования инструментов, в частности для оценки на BFCL v3 Base Multi-Turn.

Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 131 072 токенов. Она принимает текстовые запросы и выдаёт текстовые ответы, включая вызовы инструментов в диалоговом сценарии. Поддерживаемые языки в предоставленных данных не перечислены.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка описывает назначение для оценки эффективности многошагового использования инструментов; подробное описание метода и экспериментов заявлено как будущее, поэтому результаты и качество на более широком круге задач не характеризуются.