/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
2,3 млрд
Размер весов
9,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
18 сен 2025

Ссылки

Hugging Face

miti-2.3b-base-v1

metinovadilet
Генерация текстаТекст → текст3 профессии

Экспериментальная модель семейства Llama на 2,3 млрд параметров для генерации кыргызского текста и исследований низкоресурсного NLP.

327скачиваний за 30 дней0лайковвеса обновлены26 окт 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

miti-2.3b-base-v1 — экспериментальная базовая языковая модель для кыргызского языка, опубликованная metinovadilet. Модель построена с нуля и предназначена для низкоресурсных исследований NLP на кыргызском языке. По метаданным, это плотная архитектура семейства Llama с классом LlamaForCausalLM, 2,3 млрд параметров и контекстом до 4096 токенов; веса доступны в формате safetensors, библиотека — Transformers.

Модель генерирует текст и может использоваться для экспериментов с кыргызскоязычной генерацией и исследованиями низкоресурсного языка. Автор отмечает, что связность пока экспериментальная, а обучающих данных не хватило для более качественного предобучения; проект приостановлен. Лицензия — MIT.

Сценарии применения

  • эксперименты с генерацией текста на кыргызском языке
  • исследования низкоресурсного NLP для кыргызского
  • оценка связности кыргызскоязычных ответов языковой модели

Ограничения

Автор характеризует связность модели как экспериментальную и указывает на недостаток данных для качественного предобучения; проект приостановлен.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

miti-2.3b-base-v1

Beta — first Kyrgyz-language large language model built from scratch Still experimental in coherence, the model produces somewhat grammatically correct and fluent sentences, contributing to low-resource NLP research for the Kyrgyz language.

P.S: I don't have enough data to make a better pre-train so project is on hold for now.

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 1

(technically run several epochs not 1)

Training results

Framework versions

  • Transformers 4.56.2
  • Pytorch 2.8.0.dev20250319+cu128
  • Datasets 4.1.1
  • Tokenizers 0.22.1

Metinov Adilet 2025

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
f56837d

0 моделей

    Создать бенчмарк