/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
4,8 млрд
Размер весов
9,8 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
10 апр 2024

Ссылки

Hugging FacearXiv 1910.09700

Llama-2-7b-chat-shortgpt-30-percent

Fighoture
Генерация текстаТекст → текст5 профессий

Сокращённая методом ShortGPT чат-модель Llama 2 для генерации текста с контекстом до 4096 токенов.

319скачиваний за 30 дней0лайковвеса обновлены15 апр 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.

Открыть конструктор бенчмарка

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

Fighoture/Llama-2-7b-chat-shortgpt-30-percent — чат-модель на архитектуре Llama, созданная сокращением Llama 2 7B Chat методом ShortGPT: из модели удалено 30% слоёв (9 слоёв), а в конфигурации указано 23 скрытых слоя. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста в диалоговом режиме и обрабатывает контекст длиной до 4096 токенов.

Модель может использоваться для диалоговых ответов и генерации текста. При сокращении слоёв возможна потеря качества по сравнению с исходной моделью; в карточке нет результатов оценки, подробных ограничений, сведений о языковой специализации или лицензии. Разработчик указан как Fighoture по идентификатору репозитория.

Сценарии применения

  • ответы в текстовом чат-боте
  • генерация продолжений текста
  • диалоговые ответы на запросы пользователя

Ограничения

Удаление 30% слоёв может снизить качество относительно исходной Llama 2 7B Chat; в карточке не приведены результаты оценки. Лицензия и языки модели не установлены по предоставленным данным.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Model Description

Base model is llama-2-7b-chat model

Pruned with shortgpt by 30%(9) layers

code: https://github.com/sramshetty/ShortGPT

Importance is determined by block inference. Dataset is 1000 randomly sampled by "train" split of "timdettmers/openassistant-guanaco".

Have fixed "num_hidden_layers" to 23 in config.json.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
aced6cc

0 моделей

    Создать бенчмарк