/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
15 ГБ
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
18 фев 2025

Llama-3-8b-gsm8k-value-A

Разметка токеновТекст → label3 профессии

Верификатор на базе Llama для оценки рассуждений при эффективном поиске по дереву в задачах математического reasoning.

373скачиваний за 30 дней0лайковвеса обновлены26 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

xmu-nlp/Llama-3-8b-gsm8k-value-A — чекпойнт верификатора для фреймворка FETCH, разработанного для повышения эффективности и точности рассуждений языковых моделей при поиске по дереву. Модель оценивает ветви рассуждения и предназначена для совместного применения с алгоритмами поиска FETCH; в README она указана как один из двух вариантов верификатора.

Модель основана на архитектуре Llama и содержит 7,5 млрд параметров. Она реализована в Transformers, веса доступны в формате safetensors, заявлен контекст до 8192 токенов. Метаданные также указывают поддержку генерации текста и классификации токенов, однако основное назначение по карточке — верификация рассуждений в задачах математического reasoning.

Лицензия — MIT. README отсылает за подробностями и инструкциями по использованию к репозиторию GitHub; результатов оценки качества или конкретных ограничений применения в предоставленных данных нет.

Сценарии применения

  • оценка ветвей рассуждений в поиске по дереву
  • проверка промежуточных шагов решения математических задач
  • ранжирование вариантов решения для фреймворка FETCH

Ограничения

Модель описана как компонент фреймворка FETCH, поэтому её назначение предполагает использование в составе процесса поиска по дереву. В предоставленных материалах нет результатов оценки качества или подробностей о самостоятельном использовании.

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

FETCH: Efficient Tree Search for LLM Reasoning

This repository contains model checkpoints for the FETCH framework, as described in the paper Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls.

The FETCH framework improves the efficiency and accuracy of LLM-based reasoning by addressing over-exploration and under-exploration issues in tree search algorithms.

Pre-trained models mentioned in the paper's README are available on Hugging Face Hub:

For more details and usage instructions, please refer to the GitHub repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
MyLlamaForTokenClassification
Ревизия весов
a677f88

0 моделей