Llama-JP-0.5B-PT-stage1/README_JA.md

language, license, library_name, pipeline_tag, tags, base_model, datasets

language	license	library_name	pipeline_tag	tags	base_model	datasets
ja	mit	transformers	text-generation	mirei llama pretraining	iamtatsuki05/Llama-JP-0.5B-init	hotchpotch/fineweb-2-edu-japanese

Llama-JP-0.5B-PT-stage1

English / Japanese

Overview

Llama-JP-0.5B-PT-stage1 は、iamtatsuki05/Llama-JP-0.5B-init を hotchpotch/fineweb-2-edu-japanese で学習した非埋め込みパラメータが約 0.5B パラメータの日本語の Llama モデルです。 最大 1,024 トークンで 10B トークン学習させました。

• Hugging Face Collection
• GitHub

Usage

Requirements

transformers>=4.51.0
accelerate>=1.6.0
sentencepiece>=0.2.0
flash-attn>=2.7.3

Sample Code

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "iamtatsuki05/Llama-JP-0.5B-PT-stage1"
model_kwargs = {
  "torch_dtype": torch.bfloat16,
  "attn_implementation": "flash_attention_2",
  "device_map": "auto",
}
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, **model_kwargs)

prompt = "ちいかわのハチワレは"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
output = model.generate(
    **inputs,
    max_new_tokens=256,
    temperature=0.8,
    top_p=0.9,
    do_sample=True,
)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Model Details

• ベースモデル: iamtatsuki05/Llama-JP-0.5B-init
• アーキテクチャ: Llama
• 最大シーケンス長: 8,192 トークン
• 埋め込み次元: 1280
• トークナイザ: SentencePiece / 語彙数 102,400
• 位置エンコーディング: RoPE
• 対応言語: 日本語

Model Series

初期化済みモデルに対して hotchpotch/fineweb-2-edu-japanese で最大 1,024 トークンを約 10B トークン分事前学習したモデル群です。

ID	Architecture	#Param.	#Param. w/o Emb.
iamtatsuki05/ModernBERT-JP-0.5B-PT-stage1	ModernBERT	679M	548M
iamtatsuki05/Llama-JP-0.5B-PT-stage1 (this model)	Llama	661M	530M

Licence

このモデルは MIT でライセンスされています。

How to Cite

@article{MIREI
  title={同一条件下における Encoder/Decoder アーキテクチャによる文埋め込みの性能分析},
  author={岡田 龍樹 and 杉本 徹},
  journal={言語処理学会第 32 回年次大会 (NLP2026)},
  year={2026}
}