/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Архитектура
llama · dense
Базовая модель
Llama-2-7b-chat-hf
Библиотека
transformers
Опубликована
2 сен 2026

Yash-Llama2-7B-QLoRA-v1

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Llama 2 на 6,6 млрд параметров для следования инструкциям и генерации текста.

96скачиваний за 30 дней0лайковвеса обновлены2 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

Yash-Llama2-7B-QLoRA-v1 — экспериментальная дообученная модель Yash Hanamghar на базе NousResearch/Llama-2-7b-chat-hf. Это плотная авторегрессионная модель семейства Llama 2 с 6,6 млрд параметров и контекстом до 4096 токенов; она принимает текст и генерирует текстовые ответы, в том числе следует инструкциям.

Модель предназначена для генерации текста, экспериментов с выполнением инструкций и демонстраций обучения LLM. Автор описывает процесс как supervised fine-tuning с применением QLoRA/LoRA и PEFT; в README приведена небольшая ручная оценка на 10 запросах, не являющаяся комплексным бенчмарком.

Модель может выдавать фактические ошибки, повторы, предвзятые ответы и слабые результаты вне данных дообучения, поэтому важные ответы следует проверять. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов на текстовые инструкции
  • эксперименты с дообучением LLM через QLoRA и LoRA
  • учебные демонстрации supervised fine-tuning
  • создание текстовых ответов в диалоговом формате

Ограничения

Модель может галлюцинировать, повторяться, выдавать предвзятые или некачественные ответы вне распределения дообучения; оценка автора основана всего на 10 запросах и не является комплексным бенчмарком. Лицензия не приведена в доступных данных.

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

Yash-Llama2-7B-QLoRA-v1

Yash-Llama2-7B-QLoRA-v1 is an experimental fine-tuned version of NousResearch/Llama-2-7b-chat-hf.

Base Model

  • Base model: NousResearch/Llama-2-7b-chat-hf
  • Architecture: Llama 2
  • Parameters: approximately 7B
  • Task: Text generation / instruction following

Fine-Tuning

This project demonstrates:

  • Supervised Fine-Tuning (SFT)
  • QLoRA / LoRA
  • PEFT
  • 4-bit quantization
  • bitsandbytes
  • Transformers
  • TRL
  • Adapter merging
  • Hugging Face deployment

Evaluation

A small manual evaluation was performed using 10 prompts.

MetricBase ModelFine-Tuned Model
Relevance4.80/55.00/5
Clarity3.70/54.60/5
Structure4.00/54.50/5
Correctness5.00/54.80/5
Overall4.38/54.72/5

Overall manual score improvement: approximately 8.00%.

This is a small experimental manual evaluation and is not an official or comprehensive LLM benchmark.

Intended Use

This model is intended primarily for:

  • Learning LLM fine-tuning
  • QLoRA and LoRA experiments
  • Instruction-following experiments
  • Text generation
  • Educational and research demonstrations

Limitations

This is an experimental model.

It may produce incorrect information, hallucinations, repetitive responses, biased outputs, or poor responses outside its fine-tuning distribution.

Important outputs should be independently verified.

Author

Yash Hanamghar

Hugging Face: yashhanamghar9099

Version

v1.0

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
9008c9f

0 моделей