/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
32,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
6 сен 2026

Llama-3.1-8B-NBPO-UltraFeedback-clean

Генерация текстаТекст → текст11 профессий

Диалоговая модель на базе Llama 3.1 8B Instruct, дообученная методом NBPO для следования инструкциям и более полезных, правдивых и честных ответов.

24скачиваний за 30 дней0лайковвеса обновлены6 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.

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 promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean разработана на основе meta-llama/Llama-3.1-8B-Instruct и дообучена методом Nash Bargaining Preference Optimization (NBPO) на парах предпочтений из UltraFeedback. В этой версии обучающие пары отфильтрованы так, чтобы их запросы не пересекались с 698 оценочными запросами; после фильтрации осталось 34 026 пар по 5 671 запросу.

Модель предназначена для диалоговой генерации текста с выполнением инструкций. Обучение ориентировано на следование инструкциям, правдивость, честность и полезность ответов. Основа — плотная архитектура Llama с 7,5 млрд параметров; заявленный контекст — до 131 072 токенов. Репозиторий использует Transformers и формат safetensors.

В README описана исследовательская оценка на отложенных запросах UltraFeedback, но конкретные численные результаты для этой модели не приведены. Модель распространяется по лицензии Llama 3.1; применяются её условия использования.

Сценарии применения

  • ответы на пользовательские инструкции в диалоге
  • генерация полезных ответов на вопросы
  • создание правдивых ответов на текстовые запросы
  • оценка и исследование методов оптимизации предпочтений

Ограничения

В карточке не приведены численные результаты качества, поэтому сравнительные преимущества модели оценить нельзя. Условия использования ограничены лицензией Llama 3.1.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NBPO on UltraFeedback (contamination-free rebuild)

The UltraFeedback NBPO arm retrained on pairs filtered to be prompt-disjoint from the 698 evaluation prompts (37,800 -> 34,026 rows over 5,671 prompts). Identical configuration to the released arm otherwise: eta_t = 1, lr 5e-7, 300 updates, batch 2 x 8, Adafactor.

  • Panel: UltraFeedback
  • Objectives: instruction following, truthfulness, honesty, helpfulness
  • Backbone / reference policy: meta-llama/Llama-3.1-8B-Instruct
  • Training budget: 300 optimiser updates, global batch 16
  • Reported in: Nash Bargaining Preference Optimization (NBPO), Table 2 (primary cross-method evaluation)

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
90c0ccd

0 моделей