/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,2 млрд
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
SeaLLM-7B-v2
Опубликована
11 фев 2024

tagalog-seallm-7b-v1

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель на основе SeaLLM-7B-v2, дообученная для генерации текста преимущественно на тагальском языке.

23скачиваний за 30 дней1лайквеса обновлены31 янв 2025

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.

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

AKA Tagamistral-7b-v1 — экспериментальная диалоговая языковая модель, созданная автором 922-Narra путём дообучения SeaLLMs/SeaLLM-7B-v2 на синтетическом наборе данных Tagalog. Она предназначена главным образом для общения и генерации текста на тагальском языке; модель может переключаться на английский или смешивать его с тагальским. Архитектура — плотная MistralForCausalLM, размер — 7,2 млрд параметров, родной контекст — 32 768 токенов. Доступны веса в форматах PyTorch и safetensors; README также упоминает GGUF.

Это архивная тестовая модель для экспериментов и чата, а не для производственного применения. Автор предупреждает, что способность отвечать по-тагальски может в значительной мере унаследована от базовой модели, а ответы не гарантированно безопасны или согласованы. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с диалогами на тагальском языке
  • генерация ответов на тагальском языке
  • проверка поведения модели на синтетических данных Tagalog

Ограничения

Модель может переключаться на английский или смешивать его с тагальским; качество владения тагальским может в основном зависеть от базовой модели. Автор не гарантирует безопасность или согласованность ответов и не рекомендует модель для производства.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AKA Tagamistral-7b-v1:

  • Yet another archived test/toy model, fine-tuned on a synthetic Tagalog dataset partially produced by Mistral based on this dataset
  • Base: SeaLLM
  • GGUF

USAGE

This is meant to be mainly a chat model.

Best results with "Human" and "Assistant" and prompt with Tagalog. Example:

"Ito ay isang chat log sa pagitan ng AI Assistant na nagta-Tagalog at isang Pilipino. Magsimula ng chat:\nHuman: Hello po?\nAssistant:"

HYPERPARAMS

  • Trained for ~1 epoch
  • rank: 32
  • lora alpha: 32
  • lora dropout: 0
  • lr: 2e-4
  • batch size: 2
  • grad steps: 4

This mistral model was trained 2x faster with Unsloth and Huggingface's TRL library.

WARNINGS AND DISCLAIMERS

There is still a chance that the model may switch to English or Taglish.

It is possible that the Tagalog capability still comes mostly from the fine-tuned base more than the dataset.

Finally, this model is not guaranteed to output aligned or safe outputs nor is it meant for production use - use at your own risk!

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
b7d6dc7

0 моделей