/ 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-finance-fincot-finqa-clean6k-marin-8b-base-finance_cap_b1000_s0

AmberYifan
Генерация текстаТекст → текст3 профессии

Дообученная Llama-модель на базе Marin 8B для генерации текста и ответов на вопросы по финансовым данным.

28скачиваний за 30 дней0лайковвеса обновлены17 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 AmberYifan на базе marin-community/marin-8b-base с архитектурой LlamaForCausalLM и 7,5 млрд параметров. В README указано, что при обучении использовалась выборка capsd_marin-8b-base-n6000-finance-fincot-finqa-clean6k__mix_finance_cap_b1000_s0, что указывает на адаптацию к финансовым данным и задачам вопросов и ответов по финансовым темам. Модель предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 4096 токенов.

Карточка не сообщает результаты оценки, конкретные сценарии применения или ограничения качества. Базовая Marin 8B Base описана как англоязычная, поэтому поддержку русского языка этой производной модели подтвердить нельзя. Лицензия указана как other; конкретные условия следует проверять в репозитории модели.

Сценарии применения

  • ответы на вопросы о финансах
  • генерация текстовых ответов по финансовым данным
  • диалоговая работа с финансовыми запросами

Ограничения

Карточка не приводит результатов оценки или подробных ограничений качества; базовая модель ориентирована на английский язык. Лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.

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 723моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейIV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

marin-8b-base_finance_cap_b1000_s0

This model is a fine-tuned version of marin-community/marin-8b-base on the capsd_marin-8b-base-n6000-finance-fincot-finqa-clean6k__mix_finance_cap_b1000_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
d26eff0

0 моделей

    Создать бенчмарк