Экспериментальная донастройка Llama 3.1 8B Instruct методом AbsoluteMaxMin для генерации диалоговых ответов с балансом следования инструкциям, правдивости, честности и полезности.
59скачиваний за 30 дней0лайковвеса обновлены5 сен 2026
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.
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
AbsoluteMaxMin — экспериментальный вариант Llama 3.1 8B Instruct, разработанный авторами работы Nash Bargaining Preference Optimization (NBPO). Модель дообучена на наборе предпочтений UltraFeedback; при обучении применялось агрегирование нескольких целей с выбором весов по принципу AbsoluteMaxMin. Целями были следование инструкциям, правдивость, честность и полезность.
Модель предназначена для генерации ответов в диалогах и сравнительной оценки методов многокритериальной оптимизации предпочтений. В описанном эксперименте использовались 300 шагов оптимизатора с глобальным размером пакета 16; качество оценивалось по независимым показателям выигрыша относительно исходной модели на отложенных запросах, с оценкой Llama 3.3 70B Instruct. Архитектура — плотная авторегрессионная LlamaForCausalLM, около 7,5 млрд параметров, контекст до 131 072 токенов; основной язык — английский, базовая модель поддерживает многоязычный диалог.
Модель лицензирована по условиям Llama 3.1. Карточка описывает экспериментальную оценку, но не приводит абсолютных результатов или подробностей о данных и ограничениях применения, поэтому пригодность для конкретных задач требует самостоятельной проверки.
Сценарии применения
генерация ответов на инструкции
сравнение методов оптимизации предпочтений
оценка баланса между правдивостью и полезностью ответов
Ограничения
Карточка сообщает только протокол сравнительной оценки и не приводит абсолютных метрик качества; обучение описано как ограниченный эксперимент на UltraFeedback. Перед применением следует проверить качество на целевых запросах и соблюдение условий лицензии Llama 3.1.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Matched game-aggregation control: same response pool, temperatures, disagreement point and optimiser budget as NBPO, differing only in how the objective weights are chosen.
Evaluation protocol: independent objective-wise win rate against the common reference,
judged by Llama-3.3-70B-Instruct on prompt-disjoint held-out prompts, both presentation orders.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров