/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
17 сен 2024

Llama-3.1-Carballo

Генерация текстаТекст → текст3 профессии

Продолжительно предварительно обученная модель Llama 3.1 для генерации текста на галисийском языке и ещё четырёх языках.

131скачиваний за 30 дней6лайковвеса обновлены22 апр 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

Llama-3.1-Carballo — текстовая авторегрессионная модель семейства Carballo, разработанная для работы с галисийским языком. Это продолжительно предварительно обученная версия meta-llama/Llama-3.1-8B: в README указан размер 8 млрд параметров, а метаданные каталога — 7,5 млрд. Обучение продолжалось на многоязычном корпусе примерно из 20 млрд токенов с акцентом на галисийские тексты.

Модель предназначена для генерации текста и может быть дообучена под конкретные сценарии. Она поддерживает галисийский, португальский, испанский, каталанский и английский языки; максимальный контекст по метаданным — 131 072 токена. Оценка качества в карточке ещё не завершена, поэтому результаты для конкретных задач не приведены.

Для использования указана лицензия Llama 3.1. Модель описана как готовая для авторегрессионного языкового моделирования; пригодность для других сценариев зависит от дополнительной настройки и оценки.

Сценарии применения

  • генерация текста на галисийском языке
  • продолжение текста на португальском, испанском, каталанском и английском
  • дообучение языковой модели для задач на галисийском
  • создание многоязычных текстовых приложений с приоритетом галисийского

Ограничения

В карточке оценка качества обозначена как незавершённая. Модель предназначена для авторегрессионного языкового моделирования; для конкретных сценариев может потребоваться дообучение.

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

Llama-3.1-Carballo

Table of Contents

Model description

Llama-3.1-Carballo is a 8B-parameter transformer-based causal language model for Galician, Portuguese, Spanish, Catalan and English. It is the result of a continual pretraining of meta-llama/Llama-3.1-8B with a multilingual corpus of almost 20B tokens, with an emphasis on Galician texts.

This model is part of the Carballo familily, a family of LLMs specialized in Galician. Smaller models can be found here

Intended uses and limitations

The Llama-3.1-Carballo model is ready-to-use only for causal language modeling. It can perform text-generation tasks and be fine-tuned for specific scenarios.

How to use

import torch
from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM

input_text = "Hoxe fai un bo día. O sol  "

model_id  = "proxectonos/Llama-3.1-Carballo"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)
generator = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
    device_map="auto",
)
generation = generator(
    input_text,
    do_sample=True,
    top_k=10,
    eos_token_id=tokenizer.eos_token_id
)

print(f"Result: {generation[0]['generated_text']}")

Training

Tools

It was trained using HuggingFace Transformers and Pytorch, using the Causal Modeling Language script. We also use DeepSpeed to deal with the huge size of the model.

Training data

The training corpus consists of texts in 5 languages, with an emphasis on Galician. The main aim of this is to ensure that the model learns to work with this language perfectly, while maintaining knowledge of languages already known (Spanish, English), learning others (Catalan) or adapting existing language varieties (Portuguese-PT instead of Portuguese-BR).

The corpus is structured as follows:

Nº TokensMain Source
Galician5BCorpusNós
Portuguese3BVarious
Spanish3.5BVarious
English3.4BVarious
Catalan3.6BCATalog

Training hyperparameters

  • seed: 42
  • num_devices: 5
  • train_batch_size: 4
  • eval_batch_size: 4
  • gradient_acummulation: 8
  • optimizer: AdamW
  • betas: (0.9,0.999)
  • epsilon: 1e-08
  • weight_decay_rate: 0.1
  • scheduler: "Linear"
  • learning_rate: 1e-04
  • num_epochs: 1.0

Framework

The training was conducted in the Galicia Supercomputing Center (CESGA), using 5 nodes with 2 GPUs NVIDIA A100 each one.

Evaluation

In process...

Additional information

Contact

For further information, please send an email to proxecto.nos@usc.gal

Funding

This model was development within the Nós Project, funded by the Ministerio para la Transformación Digital y de la Función Pública - Funded by EU – NextGenerationEU within the framework of the project ILENIA with reference 2022/TL22/00215336.

Citation

@inproceedings{rodriguez-etal-2025-continued,
    title = "Continued Pretraining and Interpretability-Based Evaluation for Low-Resource Languages: A {G}alician Case Study",
    author = "Rodr{\'i}guez, Pablo  and
      Su{\'a}rez, Silvia Paniagua  and
      Gamallo, Pablo  and
      Docio, Susana Sotelo",
    editor = "Che, Wanxiang  and
      Nabende, Joyce  and
      Shutova, Ekaterina  and
      Pilehvar, Mohammad Taher",
    booktitle = "Findings of the Association for Computational Linguistics: ACL 2025",
    month = jul,
    year = "2025",
    address = "Vienna, Austria",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.findings-acl.240/",
    doi = "10.18653/v1/2025.findings-acl.240",
    pages = "4622--4637",
    ISBN = "979-8-89176-256-5",
    abstract = "Recent advances in Large Language Models (LLMs) have led to remarkable improvements in language understanding and text generation. However, challenges remain in enhancing their performance for underrepresented languages, ensuring continual learning without catastrophic forgetting, and developing robust evaluation methodologies. This work addresses these issues by investigating the impact of Continued Pretraining (CPT) on multilingual models and proposing a comprehensive evaluation framework for LLMs, focusing on the case of Galician language. Our first contribution explores CPT strategies for languages with limited representation in multilingual models. We analyze how CPT with Galician corpora improves text generation while assessing the trade-offs between linguistic enrichment and task-solving capabilities. Our findings show that CPT with small, high-quality corpora and diverse instructions enhances both task performance and linguistic quality. Our second contribution is a structured evaluation framework based on distinguishing task-based and language-based assessments, leveraging existing and newly developed benchmarks for Galician. Additionally, we contribute new Galician LLMs, datasets for evaluation and instructions, and an evaluation framework."
}

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
0b3e7c7

0 моделей