---
language:
- ja
license: mit
library_name: transformers
pipeline_tag: text-generation
tags:
- mirei
- llama
---

# Llama-JP-0.5B-init

[English](README.md) / Japanese


## Overview
Llama-JP-0.5B-init は、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。初期化済みの重みであるため、この段階のモデル単体での実務利用は想定していません。


- **[Hugging Face Collection](https://huggingface.co/collections/iamtatsuki05/mirei)**
- **[GitHub](https://github.com/iamtatsuki05/MIREI)**

![Consept](assets/concept.jpg)

## Usage
### Requirements
```
transformers>=4.51.0
accelerate>=1.6.0
sentencepiece>=0.2.0
flash-attn>=2.7.3
```

### Sample Code
```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "iamtatsuki05/Llama-JP-0.5B-init"
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
- **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

学習前に初期化したモデル群です。
tokenizer には [sarashina2.2 tokenizer](https://huggingface.co/collections/sbintuitions/sarashina22) を使用しています。

| ID                                                                                                  | Architecture | #Param. | #Param.<br>w/o Emb. |
|:-:|:-:|:-:|:-:|
| [iamtatsuki05/ModernBERT-JP-0.5B-init](https://huggingface.co/iamtatsuki05/ModernBERT-JP-0.5B-init) | ModernBERT   | 679M    | 548M                |
| [iamtatsuki05/Llama-JP-0.5B-init](https://huggingface.co/iamtatsuki05/Llama-JP-0.5B-init)<br>(this model)           | Llama        | 661M    | 530M                |

## Licence
このモデルは [MIT](https://licenses.opensource.jp/MIT/MIT.html) でライセンスされています。


## How to Cite

```tex
@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}
}
```