/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
13 млрд
Размер весов
26,5 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
llama · dense
Опубликована
13 мая 2024

Taigi-Llama-2-13B

Генерация текстаТекст → текст3 профессии

Модель LLaMA 2 на 13 млрд параметров, дообученная на текстах на тайваньском хоккиене для генерации и дальнейшей настройки под языковые задачи.

23скачиваний за 30 дней1лайквеса обновлены12 авг 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 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

Taigi-Llama-2-13B — плотная авторегрессионная языковая модель семейства LLaMA 2 на 13 млрд параметров, разработанная для работы с тайваньским хоккиеном. Она создана на основе версии LLaMA 2 для традиционного китайского языка и продолжила предварительное обучение на веб-данных на тайваньском хоккиене объёмом около 78 МБ, включая записи ханцзы, POJ и Hanlo.

Модель предназначена для генерации текста на тайваньском хоккиене и может служить основой для дальнейшей тонкой настройки под прикладные задачи. В первую очередь она рассчитана на тайваньский хоккиен, включая ханцзы и POJ; также сохраняет возможности работы с английским и китайским языками. Принимает и выдаёт текст, поддерживает контекст до 4096 токенов.

Веса опубликованы в формате Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные материалы на тех же условиях и ограничивает коммерческое использование.

Сценарии применения

  • генерация текста на тайваньском хоккиене
  • продолжение текста на тайваньском хоккиене
  • работа с текстами на хоккиене в ханцзы и POJ
  • создание основы для тонкой настройки под задачи обработки хоккиена

Ограничения

Обучающие данные составляют около 78 МБ веб-текстов, поэтому охват языка и качество на отдельных задачах могут быть ограничены. Коммерческое использование запрещено лицензией CC BY-NC-SA 4.0.

Для каких профессий подходит3

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 Card for Taigi-Llama-2-13B

The Taigi-Llama-2 series are built based on the Traditional Chinese version of the LLaMA-2 model. We conducted continued pre-training on web-scraped data in Taiwanese Hokkien, including Hanzi, POJ, and Hanlo, totaling around 78MB.

For more details, please refer to our GitHub repository and the paper: Enhancing Taiwanese Hokkien Dual Translation by Exploring and Standardizing of Four Writing Systems

Explore other models and datasets in the Taiwanese Hokkien LLM collection.

Model description

  • Usage: This model can be used for causal language modeling tasks in Taiwanese Hokkien. It is also suitable for further fine-tuning on specific datasets for downstream tasks.
  • Language(s) (NLP): The primary language is Taiwanese Hokkien (Hanzi and POJ). The model also retains capabilities in English and Mandarin Chinese due to prior pre-training.
  • Input: Text
  • Output: Text
  • Model Size: 13B parameters

Usage Example

from transformers import AutoModelForCausalLM, AutoTokenizer, TextGenerationPipeline
import torch
import accelerate

def get_pipeline(path:str, tokenizer:AutoTokenizer, accelerator:accelerate.Accelerator) -> TextGenerationPipeline:
    model = AutoModelForCausalLM.from_pretrained(
        path, torch_dtype=torch.float16, device_map='auto', trust_remote_code=True)
    
    terminators = [tokenizer.eos_token_id, tokenizer.pad_token_id]

    pipeline = TextGenerationPipeline(model = model, tokenizer = tokenizer, num_workers=accelerator.state.num_processes*4, pad_token_id=tokenizer.pad_token_id, eos_token_id=terminators)

    return pipeline

model_dir = "Bohanlu/Taigi-Llama-2-7B" # or Bohanlu/Taigi-Llama-2-13B for the 13B model
tokenizer = AutoTokenizer.from_pretrained(model_dir, use_fast=False)

accelerator = accelerate.Accelerator()
pipe = get_pipeline(model_dir, tokenizer, accelerator)

# Few-shot示例:問答
qa_prompt = """Example 1:
問題:台北101有偌懸?
答案:台北101的高度是五百空八公尺。

Example 2:
問題:台灣上長的溪仔是佗一條?
答案:台灣上長的溪仔是濁水溪,規个長度有百八公里遐爾長。

Example 3:
問題:臺灣上懸的山是啥物?
答案:"""

print(pipe(qa_prompt, return_full_text=False))
# Output: [{'generated_text': '臺灣上懸的山是玉山,海拔三千九百五十二公尺。'}]

Citation

If you find the resources in the Taiwanese Hokkien LLM collection useful in your work, please cite it using the following reference:

@misc{lu2024enhancing,
      title={Enhancing Taiwanese Hokkien Dual Translation by Exploring and Standardizing of Four Writing Systems}, 
      author={Bo-Han Lu and Yi-Hsuan Lin and En-Shiun Annie Lee and Richard Tzong-Han Tsai},
      year={2024},
      eprint={2403.12024},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
43db4da

0 моделей