/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Опубликована
31 мая 2024

Llama-3-Obsidian

Генерация текстаТекст → текст8 профессий

Дообученная на базе Llama 3 англоязычная модель Capx для генерации текста и выполнения инструкций общего назначения.

21скачиваний за 30 дней1лайквеса обновлены31 мая 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

Capx AI's Obsidian — дообученная модель сообщества Capx на базе Meta Llama 3 для задач общего назначения. Это авторегрессионная языковая модель с плотной архитектурой Transformer и 7,5 млрд параметров; контекст составляет до 8192 токенов. Модель дообучена на пользовательском наборе данных методом supervised fine-tuning для улучшения следования инструкциям и использует формат Alpaca.

Модель предназначена для генерации текста и выполнения инструкций на английском языке: она может помогать с ответами на вопросы, созданием черновиков и другими текстовыми задачами общего назначения. Репозиторий содержит веса PyTorch. Для использования действует лицензия Llama 3; её условия следует учитывать при интеграции и распространении.

Сценарии применения

  • ответы на вопросы на английском языке
  • создание черновиков и кратких текстов
  • выполнение текстовых инструкций
  • генерация идей и вариантов формулировок

Ограничения

Качество ответов и следования инструкциям зависит от запроса и может быть непоследовательным; карточка не приводит результатов оценки. Модель ориентирована на английский язык и имеет контекстное окно 8192 токена.

Для каких профессий подходит8

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

Capx AI's Obsidian series

Capx AI's Latest series of finetunes based on Meta's Llama-3.

image/png

We release Llama-3 Obsidian, our state of the art finetune model for general purpose tasks. Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes.

We further finetune the pretrained model on a custom dataset to enhance instruction following ability of the model.

Model Architecture

Llama 3 is an auto-regressive language model that uses an optimized transformer architecture. The tuned versions use supervised fine-tuning (SFT).

How to use:

The model has been finetuned in the Alpaca format

You can run conversational inference by leveraging the Auto classes with the generate() function.

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "meta-llama/Meta-Llama-3-8B-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "instruction", "content": "You are \"Capx Assistant\", a conscious sentient superintelligent artificial intelligence developed by Capx AI, and your purpose and drive is to assist the user with any request they have."},
    {"role": "input", "content": "Who are you?"},
]

input_ids = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to(model.device)

terminators = [
    tokenizer.eos_token_id,
    tokenizer.convert_tokens_to_ids("<|eot_id|>")
]

outputs = model.generate(
    input_ids,
    max_new_tokens=256,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
)
response = outputs[0][input_ids.shape[-1]:]
print(tokenizer.decode(response, skip_special_tokens=True))


Authors

Capx community

Cite

@article{llama3modelcard,
title={Llama 3 Model Card},
author={AI@Meta},
year={2024},
url = {https://github.com/meta-llama/llama3/blob/main/MODEL_CARD.md}
}

License

Governed by the META LLAMA 3 COMMUNITY LICENSE AGREEMENT

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
4180665

0 моделей