/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
7,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
marin-8b-base
Библиотека
transformers
Опубликована
16 авг 2026

Ссылки

Hugging Face

capsd-convfinqa-fullscore-marin-8b-base-finance_cap_b2000_s0

AmberYifan
Генерация текстаТекст → текст

Дообученная на финансовых данных модель Marin 8B Base для генерации текста и ответов в чат-сценариях.

13скачиваний за 30 дней0лайковвеса обновлены16 авг 2026

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.

Открыть конструктор бенчмарка

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

Модель AmberYifan/capsd-convfinqa-fullscore-marin-8b-base-finance_cap_b2000_s0 — дообученная на финансовом наборе данных capsd_marin-8b-base-n11082-finance-convfinqa-fullscore__mix_finance_cap_b2000_s0 версия Marin 8B Base. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и поддерживающая чат-сценарии. Она принимает текст и выдаёт текст; контекст составляет 4096 токенов.

Модель предназначена для генерации ответов в финансовом контексте. Карточка не описывает конкретные возможности, результаты оценки или точный охват финансовых тем, поэтому её пригодность для отдельных финансовых задач следует проверять отдельно. Базовая модель ориентирована на английский язык. Репозиторий содержит веса SafeTensors и использует библиотеку Transformers; лицензия указана как other, поэтому перед применением следует проверить условия лицензирования.

Сценарии применения

  • генерация ответов на финансовые вопросы
  • чат-помощник по финансовым темам
  • продолжение финансовых текстов

Ограничения

Описание модели, результаты оценки и конкретные ограничения в карточке отсутствуют; качество для отдельных финансовых задач не подтверждено. Лицензия обозначена как other, поэтому её условия нужно проверить перед использованием.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_finance_cap_b2000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n11082-finance-convfinqa-fullscore__mix_finance_cap_b2000_s0 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 0
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 0.03
  • num_epochs: 1

Training results

Framework versions

  • Transformers 5.7.0
  • Pytorch 2.13.0+cu130
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
049dea2

0 моделей

    Создать бенчмарк