/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,4 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B
Библиотека
transformers
Опубликована
12 дек 2024

pruned40-llama-3.2-3b

Генерация текстаТекст → текст3 профессии

Сжатая структурной обрезкой версия Llama 3.2 3B для последующего дообучения с меньшими требованиями к памяти.

387скачиваний за 30 дней0лайковвеса обновлены27 дек 2024

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2299

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3539

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3167

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1177

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0128

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2183

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это разреженная версия языковой модели Llama 3.2 3B, разработанная Pere Martra: в ней структурно удалено 40% нейронов в MLP-слоях по оценкам важности на основе максимальных абсолютных весов. Модель содержит около 2,4 млрд параметров, сохраняет архитектуру LlamaForCausalLM и рассчитана на генерацию текста; контекст — до 131 072 токенов. В репозитории используются веса safetensors, библиотека Transformers.

Модель предназначена прежде всего для последующего дообучения под конкретные задачи, а не для прямого применения. Уменьшение числа параметров снижает требования к памяти, но сопровождается заметной потерей качества: в README указано падение результатов на ARC-Easy, BoolQ и LAMBADA, особенно на задачах с дальними зависимостями и сложным рассуждением. Языки соответствуют базовой Llama 3.2. Лицензия — Llama 3.2; её условия распространяются на эту модель.

Сценарии применения

  • дообучение компактной языковой модели под целевые задачи
  • эксперименты со структурной обрезкой MLP-слоёв
  • оценка компромисса между размером модели и качеством генерации

Ограничения

README сообщает о заметном снижении качества на ARC-Easy, BoolQ и LAMBADA, в том числе о трудностях с дальними зависимостями и сложным рассуждением. Модель предназначена для дообучения и не рекомендуется автором для непосредственного использования.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for oopere/pruned40-llama-3.2-3b

This model is a pruned version of the Llama-3.2-3b model, with a parameter reduction of 40% in the MLP Layers. The pruning process aims to enhance computational efficiency while maintaining acceptable performance across specific tasks. This model is not intended to be used directly, but rather to be fine-tuned for specific tasks where it can achieve equal or superior performance compared to fine-tuning the base model for the same task.

Model Details

  • Model Type: Pruned version of LLaMA-3.2 using structured pruning
  • Original Model: meta-llama/Llama-3.2-3B
  • Pruning Method: Structured pruning of MLP layers using importance scores based on absolute maximum weights
  • Size Reduction: 26.2% (from 2.79B to 2.37B parameters)
  • Architecture: Same as original LLaMA but with reduced MLP layer sizes
  • Language(s): Same as original model
  • License: Same as original model
  • Developed by: Pere Martra

These models are part of the study "Exploring GLU Expansion Ratios: Structured Pruning in Llama-3.2 Models". They explore structured pruning in GLU-based architectures using Llama-3.2 (1B and 3B variants). The pruning experiments target optimal expansion ratios to balance performance, computational efficiency, and environmental sustainability. The models were evaluated across multiple benchmarks, including BoolQ, ARC-Easy, and MUSR, and demonstrate significant efficiency gains while maintaining robust task performance.

Performance on Standard Benchmarks

BenchmarkOriginal ModelPruned ModelRelative Change
ARC-Easy65.19%47.01%-27.9%
BoolQ64.16%42.57%-33.6%
LAMBADA-OpenAI62.20%34.54%-44.5%
LAMBADA-Standard53.46%28.27%-47.1%

Key Findings

  • Performance Drop: Pruning to 40% results in significant degradation across all benchmarks, particularly for tasks requiring nuanced reasoning and long-range comprehension.
  • ARC-Easy: Retains moderate accuracy, showing the model is still usable for simpler reasoning tasks despite reduced performance.
  • LAMBADA: Both OpenAI and Standard versions show steep declines, indicating the model struggles with language completion tasks.
  • BoolQ: Performance drops highlight challenges with binary classification tasks.

Limitations

  • Severe Impact on Long-Range Dependencies: Performance on tasks like LAMBADA indicates the model struggles with understanding and predicting longer sequences.
  • Lower Usability for High-Accuracy Scenarios: The model's limitations make it less suitable for demanding applications.

Implementation Details

Pruning Method

  • Technique: Structured pruning targeting MLP layers
  • Pruning Ratio: 40% of neurons removed from MLP layers
  • Selection Criteria: Importance scoring based on absolute maximum weights
  • Architecture Specifics: Maintained GLU structure during pruning

Hardware Requirements

  • Reduced memory footprint compared to original model
  • Can run on hardware with ~30% less memory than original

Acknowledgments

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
020a425

0 моделей