Диалоговая модель Microsoft на базе Llama 3.1 с настройкой HARC для безопасной генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
HARC-Llama-3.1-8B-Instruct — языковая модель Microsoft для генерации текста и диалогов с акцентом на safety alignment. Она создана слиянием LoRA-настройки HARC с Meta-Llama-3.1-8B-Instruct и распространяется как самостоятельная модель. Архитектура — плотная LlamaForCausalLM; размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель загружается через Transformers из файлов safetensors.
Модель предназначена для диалоговых сценариев и генерации ответов с настройкой на безопасность. В метаданных указана поддержка многоязычности базовой модели; README не уточняет языки, специально охваченные настройкой HARC. Лицензия — Llama 3.1 Community License (llama3.1); при использовании необходимо соблюдать её условия и условия лицензии базовой модели.
Настройка HARC направлена на безопасность, однако сама по себе не гарантирует безошибочные или безопасные ответы. Модель наследует ограничения базовой Llama 3.1; README не описывает отдельные оценки качества или подробности настройки.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
HARC safety-alignment LoRA merged into meta-llama/Llama-3.1-8B-Instruct (full standalone model).
Part of the HARC release; see paper arXiv:2607.00572.
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("microsoft/HARC-Llama-3.1-8B-Instruct", torch_dtype="bfloat16", device_map="auto")
tok = AutoTokenizer.from_pretrained("microsoft/HARC-Llama-3.1-8B-Instruct")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…