llama3.2-3b-cpt-military
дообучение Llama 3.2 3B на военной тематике
2 мин чтенияобновлено
Базовая языковая модель на 3.21 млрд параметров, прошедшая этап continual pretraining (дополнительного предобучения на неразмеченных текстах) на смеси данных с добавлением военного домена. В основе лежит meta-llama/Llama-3.2-3B от автора Lyric1010, обученная суммарно на 10 миллиардах токенов. От оригинальной базовой модели она отличается сниженной перплексией на целевых корпусах и изменённым параметром масштабирования контекста RoPE. Подойдёт исследователям и разработчикам в качестве фундаментной базы для последующего SFT (обучения следованию инструкциям) под узкоспециализированные задачи.
Ключевые особенности
- Сбалансированная смесь: обучение прошло на 10B токенов, где 1.84% (около 187 млн токенов) составил военный корпус
qy_syn_military_llama3, а 98.16% — общий синтетический миксqy_syn_mix_10bбез искусственного апсэмплинга. - Снижение потери (loss): на отложенной выборке военного датасета causal-LM loss упал с 2.127 (ppl 8.39) у базовой Llama-3.2-3B до 1.332 (ppl 3.79).
- Конфигурация RoPE: параметр
rope_scaling.factorустановлен в 8.0 (как в дефолтных настройках Llama 3.1) вместо 32.0 у стандартной Llama-3.2-3B, что соответствует реальным условиям прогона. - Стек обучения: модель тренировалась в формате
bf16на 8 GPU с длиной последовательности 4096 токенов через фреймворк Megatron-Core (Pai-Megatron-Patch).
Что можно сделать
- Взять за основу для последующего файнтюнинга (SFT или DPO) под профильные диалоговые ассистенты и анализ специализированной документации.
- Использовать в задачах генерации и автодополнения текстов, где требуется лучшая ориентированность в военной терминологии по сравнению с ванильной Llama-3.2-3B.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("Lyric1010/llama3.2-3b-cpt-military", torch_dtype="bfloat16")
tok = AutoTokenizer.from_pretrained("Lyric1010/llama3.2-3b-cpt-military")Подробнее
Метрики: validation loss 0.589; на военном корпусе ppl 3.79 против 8.39 у базы, на общем миксе — 2.25 против 3.34.Обучение: 19 073 шага, lr от 2e-5 до 7e-7 (cosine), длина контекста 4096, точность bfloat16.
Ограничения: это базовый чекпоинт (не instruct-модель), для диалогов требуется дообучение; параметр
rope_scaling.factor = 8.0 менять не рекомендуется.









Комментарии