/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
8,6 млрд
Размер весов
17,7 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
15 мая 2024

blossom-v5.1-9b

Генерация текстаТекст → текст5 профессий

BLOSSOM-v5.1-9b — дообученная на базе Yi-1.5-9B диалоговая модель для ответов на вопросы, выполнения инструкций и математических задач на китайском и английском языках.

8 567скачиваний за 30 дней2лайкавеса обновлены24 июл 2024

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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3994

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2122

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5086

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5343

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3356

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3979

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BLOSSOM-v5.1-9b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Yi-1.5-9B. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 8,6 млрд параметров; она принимает текст и генерирует текст в формате продолжения диалога. Модель обучали в два этапа на смесях инструкционных данных Wizard, Orca и Math, а также многоходовых диалогов Blossom Chat.

Модель предназначена для диалоговых ответов, понимания контекста, выполнения инструкций и решения математических задач на китайском и английском языках. В карточке указано контекстное окно 4096 токенов. Веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Качество ответов зависит от формулировки запроса и обучающих данных; карточка не приводит оценок и конкретных ограничений. Описание не подтверждает поддержку русского языка или работу с изображениями, аудио и другими нетекстовыми данными.

Сценарии применения

  • диалоговые ответы на китайском языке
  • диалоговые ответы на английском языке
  • выполнение инструкций в текстовом чате
  • решение математических задач в диалоге
  • ответы с учётом контекста беседы

Ограничения

Контекст ограничен 4096 токенами; карточка не приводит независимых оценок качества или более подробных сведений об ограничениях. Поддержка русского языка и мультимодальных входов не заявлена.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BLOSSOM-v5.1-9b

💻Github • 🚀Blossom Chat Demo

Introduction

Blossom is a conversational large language model, fine-tuned on the Blossom Orca/Wizard/Chat/Math mixed dataset based on the Yi-1.5-9B pre-trained model. Blossom possesses robust general capabilities and context comprehension. Additionally, the high-quality Chinese and English datasets used for training have been made open source.

Training was conducted in two stages. The first stage used 40K Wizard, 40K Orca, 10K Math single-turn instruction datasets, training for 1 epoch; the second stage used 10K Blossom chat multi-turn dialogue dataset, and 10% randomly sampled data from the first stage, training for 3 epochs.

Inference

Inference is performed in the form of dialogue continuation.

Single-turn dialogue

A chat between a human and an artificial intelligence bot. The bot gives helpful, detailed, and polite answers to the human's questions.
|Human|: hello
|Bot|: 

Multi-turn dialogue

A chat between a human and an artificial intelligence bot. The bot gives helpful, detailed, and polite answers to the human's questions.
|Human|: hello
|Bot|: Hello! How can I assist you today?<|endoftext|>
|Human|: Generate a random number using python
|Bot|: 

Note: At the end of the Bot's output in the historical conversation, append a <|endoftext|>.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
38d5fbb

0 моделей