/ 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
12 авг 2026

Ссылки

Hugging Face

capsd-finance-dedup-marin-8b-base-finance_random_b10000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная на финансовом наборе данных модель Marin 8B для генерации текста в диалоговом режиме.

21скачиваний за 30 дней0лайковвеса обновлены12 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

Это дообученная модель Marin 8B Base, созданная AmberYifan на наборе capsd_marin-8b-base-n80000-finance-dedup80k__mix_finance_random_b10000_s0. Она построена на плотной архитектуре LlamaForCausalLM с 7,5 млрд параметров и предназначена для генерации текста; в метаданных также отмечена поддержка диалогового режима. Окно контекста составляет 4096 токенов, модель использует Transformers и опубликована в формате safetensors.

Финансовый датасет указывает на тематическую адаптацию, однако карточка не описывает конкретные финансовые задачи, качество, оценивание или рекомендуемые сценарии применения. Базовая Marin 8B Base ориентирована на английский язык. Лицензия указана как other, поэтому условия использования следует уточнить по файлам репозитория.

Сценарии применения

  • генерация текста на финансовую тематику
  • продолжение финансовых текстов
  • диалоговая генерация текста на финансовые темы

Ограничения

Карточка не приводит результаты оценки, точные сценарии применения или сведения о точности модели; финансовая тематика следует из обучающего набора данных. Лицензия обозначена как other, поэтому условия использования требуют уточнения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиI.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_random_b10000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n80000-finance-dedup80k__mix_finance_random_b10000_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
56bce43

0 моделей

    Создать бенчмарк