/ 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_b4000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на финансовом диалоговом наборе Llama-модель для генерации ответов и продолжения текста.

14скачиваний 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_b4000_s0 — дообученная версия Marin 8B Base на наборе данных capsd_marin-8b-base-n11082-finance-convfinqa-fullscore__mix_finance_cap_b4000_s0. Это плотная авторегрессионная Llama-модель с 7,5 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Контекст составляет до 4096 токенов; модель загружается через Transformers в формате safetensors.

Название обучающего набора указывает на финансовый диалоговый вопросно-ответный сценарий, однако README не описывает конкретные способности, методику обучения или результаты оценки. Базовая Marin 8B Base ориентирована на английский язык, поэтому применение модели для других языков не подтверждено. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Сценарии применения

  • ответы на вопросы о финансах в диалоге
  • генерация ответов на финансовые запросы
  • продолжение финансового текста

Ограничения

README не приводит оценки качества или подробностей обучения; возможности и точность ответов на финансовые вопросы не подтверждены. Условия лицензии с пометкой other требуют уточнения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_finance_cap_b4000_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_b4000_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
9edc413

0 моделей

    Создать бенчмарк