/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Архитектура
llama · dense
Библиотека
transformers
Опубликована
15 сен 2026

Ссылки

Hugging FacearXiv 2203.05482

DataDecide-dclm-baseline-qc-10p-1B-0_2500_5000_7500_10000_weightedavg_merge

yuhengtu-bytedance
Генерация текстаТекст → текст3 профессии

Объединённая модель Llama на 1,2 млрд параметров для генерации текста с контекстом до 2048 токенов.

749скачиваний за 30 дней0лайковвеса обновлены15 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.

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

DataDecide-dclm-baseline-qc-10p-1B-0_2500_5000_7500_10000_weightedavg_merge — объединённая автором карточки предобученная языковая модель на архитектуре Llama, созданная методом Linear merge с помощью mergekit из пяти чекпойнтов DCLM baseline QC 10% на разных шагах обучения. Модель содержит 1,2 млрд параметров, сохранена в формате safetensors и рассчитана на генерацию текста; длина контекста составляет 2048 токенов.

Модель подходит для экспериментов и приложений, которым нужна компактная генеративная языковая модель. Карточка не сообщает о специализации по предметной области или конкретных языках, поэтому её языковое покрытие нельзя определить по имеющимся данным. Ограниченный контекст может затруднять работу с длинными текстами. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков и коротких текстов
  • эксперименты с объединением языковых моделей
  • тестирование компактной генеративной модели

Ограничения

Контекст ограничен 2048 токенами; карточка не описывает качество, языковое покрытие или предметную специализацию модели. Лицензия в предоставленных источниках не указана.

Для каких профессий подходит3

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DataDecide-dclm-baseline-qc-10p-1B-0_2500_5000_7500_10000_weightedavg_merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the Linear merge method using /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step10000 as a base.

Models Merged

The following models were included in the merge:

  • /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step7500
  • /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step0
  • /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step2500
  • /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step5000

Configuration

The following YAML configuration was used to produce this model:

models:
- model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step0
  parameters:
    weight: 1
- model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step2500
  parameters:
    weight: 2
- model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step5000
  parameters:
    weight: 3
- model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step7500
  parameters:
    weight: 4
- model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step10000
  parameters:
    weight: 5
base_model: /opt/tiger/Pan_Safety_Better_Measurement/merge_scaling_ckpts_cache/source_ckpts/dclm-baseline-qc-10p/step10000
merge_method: linear
parameters:
  normalize: true
dtype: float32
out_dtype: bfloat16

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
83e6e63

0 моделей

    Создать бенчмарк