/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,3 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
18 июл 2023

YetAnother_Open-Llama-3B-LoRA-OpenOrca

Генерация текстаТекст → текст4 профессии

Дообученная на OpenOrca модель Llama с 3,3 млрд параметров для генерации текста и ответов на вопросы на английском языке.

100скачиваний за 30 дней1лайквеса обновлены19 июл 2023

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

YetAnother_Open-Llama-3B-LoRA-OpenOrca — языковая модель Andron00e, полученная дообучением openlm-research/open_llama_3b на датасете Open-Orca/OpenOrca. Это плотная авторегрессионная модель семейства Llama с 3,3 млрд параметров, предназначенная для генерации текста и ответов на вопросы. Она принимает текст и выдаёт текст; в метаданных указан английский язык и контекст до 2048 токенов. Модель опубликована в форматах PyTorch и Safetensors и использует библиотеку Transformers.

В README приведена оценка на тестовой части HellaSwag: accuracy 0,4899 и нормализованная accuracy 0,6506. Модель может подойти для ответов на вопросы и текстовых инструкций на английском, однако приведённая оценка относится к бенчмарку, а не к широкому набору прикладных сценариев. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы на английском языке
  • генерация ответов на текстовые инструкции
  • создание продолжений английского текста

Ограничения

Контекст модели ограничен 2048 токенами. В README приведена только оценка HellaSwag, поэтому она не характеризует качество на широком спектре прикладных задач.

Для каких профессий подходит4

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

Model Details

Model Description

  • Developed by: Andron00e
  • Language(s) (NLP): Python (PyTorch, transformers, peft)
  • License: apache-2.0
  • Finetuned from model: openlm-research/open_llama_3b

Model Sources [optional]

Training Data

https://huggingface.co/datasets/Open-Orca/OpenOrca

Evaluation

Evaluation of the model was carried out using EulerAI library, more precisely

Testing Data

hellaswag testing dataset

Metrics

Accuracy

Results and Model Examination

TaskVersionMetricValueStderr
hellaswag0acc0.4899±0.0050
acc_norm0.6506±0.0048

Citations

@software{openlm2023openllama,
  author = {Geng, Xinyang and Liu, Hao},
  title = {OpenLLaMA: An Open Reproduction of LLaMA},
  month = May,
  year = 2023,
  url = {https://github.com/openlm-research/open_llama}
}
@software{eval-harness,
  author       = {Gao, Leo and
                  Tow, Jonathan and
                  Biderman, Stella and
                  Black, Sid and
                  DiPofi, Anthony and
                  Foster, Charles and
                  Golding, Laurence and
                  Hsu, Jeffrey and
                  McDonell, Kyle and
                  Muennighoff, Niklas and
                  Phang, Jason and
                  Reynolds, Laria and
                  Tang, Eric and
                  Thite, Anish and
                  Wang, Ben and
                  Wang, Kevin and
                  Zou, Andy},
  title        = {A framework for few-shot language model evaluation},
  month        = sep,
  year         = 2021,
  publisher    = {Zenodo},
  version      = {v0.0.1},
  doi          = {10.5281/zenodo.5371628},
  url          = {https://doi.org/10.5281/zenodo.5371628}
}

Model Card Authors and Contact

Andron00e

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
07d9d32

0 моделей