/ Модель

Характеристики

Контекст
8 192 токена
Параметры
5,8 млрд
Размер весов
12,6 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Опубликована
17 мая 2024

Llama-3-6.3b-v0.1

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная модель на базе Llama 3 8B для генерации текста и ответов на общие вопросы.

32скачиваний за 30 дней6лайковвеса обновлены29 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2836

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,284

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3908

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,1044

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4197

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0211

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

pszemraj/Llama-3-6.3b-v0.1 — экспериментальная языковая модель на архитектуре Llama, созданная pszemraj на основе Meta Llama 3 8B. В модели удалили 8 слоёв с помощью PruneMe/MergeKit, затем провели короткое продолжение предобучения; в метаданных указано 5,8 млрд параметров.

Модель предназначена для генерации английского текста и ответов на общие вопросы. В README приведены результаты быстрой оценки на нескольких задачах понимания текста, включая ARC-Easy и BoolQ. Контекст модели по метаданным составляет 8192 токена; для продолженного предобучения использовалась длина контекста 4096 токенов.

Модель принимает текст и генерирует текст. Карточка указывает на эксперимент с pruning и ограниченную дополнительную тренировку, поэтому результаты оценки не гарантируют качество для конкретных прикладных сценариев. Распространяется по лицензии Llama 3.

Сценарии применения

  • генерация английского текста
  • ответы на общие вопросы
  • экспериментальная оценка языковых моделей
  • проверка влияния удаления слоёв на качество модели

Ограничения

Это экспериментальная модель с удалёнными слоями и коротким продолжением предобучения; опубликованные оценки охватывают лишь часть задач и не гарантируют качество в других сценариях.

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-3-6.3b-v0.1

This is a layer pruning experiment based off of the original llama-3-8b:

  • 8 layers pruned with PruneMe/MergeKit
  • brief subsequent continued pretraining @ ctx 4096
    • data: 10k rows of FineWeb (different than pruning data) + some curated data
  • wandb here

quick eval

hf (pretrained=pszemraj/Llama-3-6.3b-v0.1,trust_remote_code=True,dtype=bfloat16), gen_kwargs: (None), limit: None, num_fewshot: None, batch_size: 1

TasksVersionFiltern-shotMetricValueStderr
arc_easy1none0acc0.7109±0.0093
none0acc_norm0.6843±0.0095
boolq2none0acc0.7920±0.0071
lambada_openai1none0perplexity4.5411±0.1073
none0acc0.6734±0.0065
openbookqa1none0acc0.3000±0.0205
none0acc_norm0.4140±0.0220
piqa1none0acc0.7443±0.0102
none0acc_norm0.7530±0.0101
winogrande1none0acc0.7127±0.0127

Details

axolotl version: 0.4.0

base_model: pszemraj/llama-3-prune_8
model_type: LlamaForCausalLM
tokenizer_type: AutoTokenizer

strict: false
seed: 80085

# dataset
datasets:
    - path: BEE-spoke-data/KI-smorgasbord_fw-small
      type: completion # format from earlier
      field: text # Optional[str] default: text, field to use for completion data
val_set_size: 0.015

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: false
train_on_inputs: false
group_by_length: false

# WANDB
wandb_project: llama3-pruning
wandb_entity: pszemraj
wandb_watch: gradients
wandb_name: Llama-3-6.3b-v0.1
hub_model_id: pszemraj/Llama-3-6.3b-v0.1
hub_strategy: every_save

gradient_accumulation_steps: 16
micro_batch_size: 1
num_epochs: 1
optimizer: adamw_torch_fused # paged_adamw_32bit
weight_decay: 0.05
lr_scheduler: cosine
learning_rate: 4e-5
warmup_ratio: 0.1

load_in_8bit: false
load_in_4bit: false
bfloat16: true
tf32: true

flash_attention: true
torch_compile: true # requires >= torch 2.0, may sometimes cause problems
torch_compile_backend: inductor # Optional[str]
gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false

# hyperparams for freq of evals, saving, etc
evals_per_epoch: 5
saves_per_epoch: 3
save_safetensors: true
save_total_limit: 1
output_dir: ./output-axolotl/output-model-6.3b
logging_steps: 8

deepspeed:

special_tokens:
  pad_token: <|end_of_text|>

Training results

Training LossEpochStepValidation Loss
No log0.000617.8100
2.27820.20023202.3728
2.26990.40046402.3265
2.37610.60069602.2849
2.24480.800812802.2702

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.10.28
IFEval (0-Shot)10.44
BBH (3-Shot)18.68
MATH Lvl 5 (4-Shot)1.51
GPQA (0-shot)4.47
MuSR (0-shot)6.15
MMLU-PRO (5-shot)20.44

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
d712a1b

0 моделей