/ Модель

Характеристики

Контекст
131 072 токена
Параметры
753 млн
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Библиотека
transformers
Опубликована
16 ноя 2024

pruned60-llama-3.2-1B

Генерация текстаТекст → текст3 профессии

Структурно прореженная Llama 3.2 1B с сокращёнными MLP-слоями предназначена прежде всего для дообучения под задачи, чувствительные к ресурсам.

300скачиваний за 30 дней1лайквеса обновлены30 дек 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.

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

Модель oopere/pruned60-llama-3.2-1B разработана Pere Martra и представляет собой структурно прореженную версию Meta Llama 3.2 1B. В слоях MLP удалено 60% нейронов по оценкам важности на основе максимальных абсолютных значений весов; число параметров сокращено примерно с 1,24 млрд до 752,6 млн. Модель реализована как плотная авторегрессионная LlamaForCausalLM и распространяется в формате Safetensors. Для неё заявлено контекстное окно до 131 072 токенов.

Это базовая заготовка для последующего дообучения под прикладные задачи, особенно когда важны снижение требований к памяти и вычислениям. README не рекомендует использовать её напрямую: результаты показывают сохранение части качества на простых задачах бинарной классификации, но сильное падение на рассуждениях, понимании длинных зависимостей и языковом моделировании. Модель унаследовала многоязычность исходной Llama 3.2 1B; конкретные поддерживаемые языки не перечислены. Лицензия — Llama 3.2, с условиями Meta для этого семейства моделей.

Сценарии применения

  • дообучение компактной языковой модели под прикладную задачу
  • эксперименты со структурным прореживанием Llama
  • классификация вопросов да/нет после дообучения
  • проверка качества и экономии памяти у прореженных LLM

Ограничения

README не рекомендует использовать модель напрямую: качество резко ухудшено на задачах рассуждения, длинного контекста и языкового моделирования, а генерация текста ограничена. Для прикладного использования предполагается дообучение; приведённые оценки памяти зависят от длины последовательности, размера пакета и среды выполнения.

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/pruned60-llama-1b

This model is a pruned version of the Llama-3.2 architecture, with a parameter reduction of 60% 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-1.2B using structured pruning
  • Original Model: meta-llama/Llama-3.2-1B
  • Pruning Method: Structured pruning of MLP layers using importance scores based on absolute maximum weights
  • Size Reduction: 39.3% (from 1.24B to 753M 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%33.42%-48.7%
BoolQ64.16%55.60%-13.3%
LAMBADA-OpenAI62.20%10.15%-83.7%
LAMBADA-Standard53.46%6.73%-87.4%

Key Findings

  • Still maintains reasonable performance on binary classification tasks (BoolQ)
  • Severe degradation on reasoning tasks (ARC-Easy)
  • Critical impact on long-range comprehension (LAMBADA)
  • Extreme increase in perplexity for language modeling tasks

Limitations

  • Severe reduction in performance on complex language understanding tasks
  • Critical degradation in long-range dependency handling
  • Not suitable for language completion or generation tasks
  • Only recommended for simple classification tasks where memory constraints are critical

Implementation Details

Pruning Method

  • Technique: Structured pruning targeting MLP layers
  • Pruning Ratio: 60% of neurons removed from MLP layers
  • Selection Criteria: Importance scoring based on absolute maximum weights
  • Architecture Specifics: Maintained GLU structure during pruning

Hardware Requirements

Memory Requirements

  • Base Model:

    • Parameters: ~2.48 GB (FP16)
    • Total Runtime Memory: ~3.1 GB
  • Pruned Model (60%):

    • Parameters: ~1.51 GB (FP16)
    • Total Runtime Memory: ~1.9 GB
  • Memory Reduction:

    • Parameter Memory: 39.3%
    • Total Runtime Memory: ~38.7%

Notes:

  • Memory requirements assume FP16 precision
  • Actual memory usage may vary depending on:
    • Batch size
    • Sequence length
    • Implementation details
    • Runtime environment

Minimum Requirements

  • GPU Memory: 3GB for base model, 2GB for pruned model
  • CPU Memory: 8GB recommended for both models

Acknowledgments

  • Thanks to Mariusz Kurman for creating llama-pruning, a library that implements and extends this pruning methodology.
  • This model was created following the pruning method described in the paper: The Width Pruning Dichotomy in Llama-3.2
@misc{martra2025fragileknowledgerobustinstructionfollowing,
      title={Fragile Knowledge, Robust Instruction-Following: The Width Pruning Dichotomy in Llama-3.2}, 
      author={Pere Martra},
      year={2025},
      eprint={2512.22671},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.22671}, 
}

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
c1c954d

0 моделей