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
K2S3 разработала K2S3-Llama2-13b-v1.0 — плотную языковую модель на архитектуре Llama 2 с 13 млрд параметров. Она дообучена методом SFT с настройкой всех параметров на основе meta-llama/Llama-2-13b-chat-hf; при обучении добавлены новые корейские токены.
Модель предназначена для генерации текста на корейском языке. В обучающие данные вошли Стандартный корейский словарь, материалы KULLM Корейского университета, аннотации магистерских и докторских диссертаций и примеры корейского языка из AI Hub. Контекст составляет 4096 токенов; веса доступны в формате safetensors.
Модель может быть полезна для ответов на вопросы и создания текста на корейском языке, в том числе по академическим и справочным темам. Она лицензирована по условиям Llama 2; производительность за пределами корейского языка и устойчивость к фактическим ошибкам в карточке не охарактеризованы.
Сценарии применения
генерация ответов на вопросы на корейском языке
подготовка и перефразирование корейских текстов
создание черновиков академических текстов на корейском языке
получение справок по корейской лексике
Ограничения
Контекст ограничен 4096 токенами. В карточке нет оценок качества и сведений о надежности ответов; лицензия Llama 2 может накладывать условия использования.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
The training data for this model includes the Standard Korean Dictionary, training data from KULLM at Korea University, abstracts of master's and doctoral theses, and Korean language samples from AI Hub.
이 모델의 훈련 데이터에는 표준대국어사전, 고려대 KULLM의 훈련 데이터, 석박사학위 논문의 초록, 그리고 AI Hub의 한국어 데이터 샘플들이 포함됩니다.
Training Method
This model was fine-tuned on the "meta-llama/Llama-2-13b-chat-hf" base model using a full parameter tuning method with SFT (Supervised Fine-Tuning).
이 모델은 "meta-llama/Llama-2-13b-chat-hf" 기반 모델을 SFT를 사용하여 전체 파라미터 조정 방법으로 미세조정되었습니다.
Hardware
Hardware: Utilized two A100 (80G*2EA) GPUs for training.
Training Factors: This model was fine-tuned with SFT, using the HuggingFace SFTtrainer and applied fsdp. Key training adjustments include the addition of new Korean tokens trained with the SentencePieceBPETokenizer, trained for 2 epochs, batch size of 1, and gradient accumulation of 32.
이 모델은 SFT를 사용하여 HuggingFace SFTtrainer와 fsdp를 적용하여 미세조정되었습니다. 주요 훈련 조정으로는 SentencePieceBPETokenizer로 훈련된 새로운 한글 토큰들을 추가, 2 에폭 훈련, 배치 크기 1, 그리고 그라디언트 누적 32를 포함합니다.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров