Характеристики
- Контекст
- 1 024 токена
- Параметры
- 41,7 млн
- Размер весов
- 167 МБ
- Архитектура
- llama · dense
- Опубликована
- 29 окт 2025
Ссылки
llama2.c-stories42M-pruned2.4
Компактная Llama-модель на 41,7 млн параметров для генерации коротких историй и тестирования сжатого инференса.
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
nm-testing/llama2.c-stories42M-pruned2.4 — компактная языковая модель архитектуры Llama, опубликованная организацией NM Testing и предназначенная для тестирования сжатых моделей и инференса в экосистеме llama2.c. Модель основана на варианте Stories42M, обученном на наборе TinyStories для генерации коротких историй; исходный проект llama2.c разработан Andrej Karpathy.
Модель содержит около 41,7 млн параметров, использует архитектуру Llama и поддерживает контекст длиной 1024 токена. Вариант pruned2.4 связан со структурным прореживанием 2:4 и предназначен для экспериментов с эффективным выполнением сжатых языковых моделей. Основной сценарий — автодополнение и генерация короткого англоязычного текста, а также тестирование компрессии и высокопроизводительного инференса.
Из-за малого размера и обучения на узком корпусе TinyStories модель не подходит для общего диалога, сложных рассуждений, достоверных ответов на вопросы или широкого спектра прикладных задач. На странице модели лицензия явно не указана.
Сценарии применения
- генерация коротких детских историй на английском языке
- автодополнение коротких текстовых последовательностей
- тестирование структурного прореживания 2:4
- эксперименты с llama2.c и малогабаритным инференсом
- бенчмаркинг сжатых языковых моделей
Ограничения
Модель обучена на узком наборе TinyStories и имеет небольшой размер, поэтому её возможности ограничены короткой англоязычной генерацией; она не предназначена для общего диалога, сложных рассуждений или фактических ответов. Лицензия на странице модели явно не указана.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 40a20ab