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: 5 сен 2026

Ссылки

Llama-3.1-8B-NBPO-finitepool

Генерация текстаТекст → текст6 профессий

Дообученная на предпочтениях диалоговая Llama 3.1 на 7,5 млрд параметров для генерации текста, сохранённая как устаревший чекпойнт с пересечением обучающих и оценочных данных UltraFeedback.

128скачиваний 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.

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.

Открыть конструктор бенчмарка

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

promotion/Llama-3.1-8B-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Llama-3.1-8B-Instruct методом NBPO для многоцелевой оптимизации предпочтений. Модель генерирует текст и поддерживает диалог; размер составляет 7,5 млрд параметров, контекст — до 131 072 токенов. В репозитории веса в формате Safetensors; лицензия — Llama 3.1.

Этот чекпойнт помечен как superseded: в обучающую выборку попали 629 из 698 оценочных запросов UltraFeedback. Из-за пересечения результаты на этом наборе смещены в пользу модели, поэтому её не следует использовать для воспроизведения результатов UltraFeedback из статьи NBPO. В README указано, что заменой служит promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean.

Сценарии применения

генерация ответов в диалоге
создание текста по инструкциям
эксперименты с многоцелевой оптимизацией предпочтений

Ограничения

629 из 698 оценочных запросов UltraFeedback встречаются в обучающих данных, поэтому результаты на этом наборе смещены; README рекомендует не использовать этот чекпойнт для результатов UltraFeedback в статье NBPO. Для этого эксперимента указан чистый переобученный вариант promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SUPERSEDED: NBPO on UltraFeedback (contaminated training split)

Do not use this checkpoint for the UltraFeedback results in the NBPO paper. It is kept only so that the published artifact remains inspectable.

What is wrong with it

An audit by prompt-text hash found that 629 of the 698 UltraFeedback evaluation prompts appear in this checkpoint's training pairs. The panel's response pool was regenerated for this campaign with prompts drawn independently of the earlier campaign from which the evaluation list was inherited, and the two collided. Every other UltraFeedback arm in the paper is prompt-disjoint from the evaluation set, so this checkpoint was the only one measured partly in sample, and the bias runs in its own favour.

Replacement

promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean is the same configuration retrained on pairs filtered to be prompt-disjoint from the evaluation set (37,800 -> 34,026 training rows over 5,671 prompts). It is the checkpoint behind the paper's UltraFeedback NBPO row.

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: 473b0f0