Характеристики

Лицензия: Своя лицензия
Базовая модель: Bahasa-4b
Опубликована: 23 мая 2024

Ссылки

bahasa-4b-v2

Генерация текстаТекст → текст

Чат-модель на базе Bahasa-4b, дообученная для генерации ответов и выполнения инструкций, прежде всего на индонезийском языке.

0скачиваний за 30 дней0лайковвеса обновлены23 мая 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Bahasalab/bahasa-4b-v2 — чат-модель на базе Bahasalab/Bahasa-4b, дообученная на наборе indo_instruct_3. Она предназначена для генерации ответов в диалогах и выполнения инструкций на индонезийском языке. Модель основана на архитектуре Qwen2, распространяется в формате safetensors и поддерживает чат-взаимодействие.

Карточка не содержит сведений о размере модели, длине контекста, результатах оценки и конкретных ограничениях качества. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

ответы на инструкции на индонезийском языке
ведение текстового диалога на индонезийском языке
генерация индонезийских текстовых ответов

Ограничения

Карточка не приводит оценок качества или подробных ограничений модели. Лицензия обозначена как other; проверьте условия использования в репозитории.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bahasa-4b-chat-v2s

This model is a fine-tuned version of Bahasalab/Bahasa-4b on the indo_instruct_3 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: 2e-05
train_batch_size: 2
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
num_devices: 4
total_train_batch_size: 8
total_eval_batch_size: 32
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 0.1
num_epochs: 3.0

Training results

Framework versions

Transformers 4.40.2
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 899a3ca