LFM3-1.7B-3D-Coder
компактный файнтюн LFM3 для 3D-кода
2 min readupdated
Компактная языковая модель на 1,73 млрд параметров для генерации текста и кода, судя по названию и проекту обучения (fde-3dcoder-portfolio) — заточенная под задачи 3D-программирования. Разработчик syaikhipin дообучил её методом SFT (Supervised Fine-Tuning — обучение с учителем на готовых примерах) на базе свежей модели LiquidAI/LFM3-1.7B-Base с помощью библиотеки TRL. От базовой версии она отличается настройкой под диалоговый формат (chat-шаблон с ролями user) и специализацией на 3D-разработке. Благодаря небольшому размеру модель подойдёт для локального запуска и экспериментов с генерацией 3D-сцен или скриптов на слабом железе.
Ключевые особенности
- Свежая база LiquidAI: построена на основе
LiquidAI/LFM3-1.7B-Baseобъёмом 1,73B параметров. - SFT-дообучение: адаптирована под формат вопросов и ответов с помощью библиотеки
TRL(версия 1.18.0). - Семейство версий: в рамках релиза также доступна более лёгкая версия
syaikhipin/LFM2.5-1.2B-3D-Coder.
Что можно сделать
- Встроить в локального ассистента для генерации фрагментов кода и прототипов в 3D-проектах.
- Сравнить качество генерации на 3D-задачах между базовой
LFM3-1.7B-Baseи этим SFT-файнтюном.
Пример
from transformers import pipeline
generator = pipeline("text-generation", model="syaikhipin/LFM3-1.7B-3D-Coder", device_map="auto")
messages = [{"role": "user", "content": "Write a simple 3D scene script"}]
output = generator(messages, max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])
Подробнее
Параметры: 1.73B (LiquidAI/LFM3-1.7B-Base).Метод обучения: SFT через TRL 1.18.0, Transformers 5.23.0, PyTorch 2.11.0.
Ограничения: в карточке не указаны датасет, поддерживаемые языки и метрики качества.










Comments