/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
52,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
14 апр 2024

AceGPT-v1.5-13B-Chat

Генерация текстаТекст → текст5 профессий

Диалоговая модель на базе LLaMA 2 для генерации текста и ответов на вопросы, особенно на арабском языке.

39скачиваний за 30 дней6лайковвеса обновлены19 авг 2025

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

AceGPT-v1.5-13B-Chat — это диалоговая языковая модель семейства AceGPT, разработанная исследователями KAUST, CUHKSZ, SRIBD и KAU. Модель дообучена на базе LLaMA 2 и содержит 12,9 млрд параметров; она использует плотную архитектуру LlamaForCausalLM и принимает и выдаёт текст. Максимальная длина контекста — 4096 токенов.

Модель предназначена для диалогов и ответов на вопросы, особенно на арабском языке. В карточке также заявлена поддержка английского и китайского. Примеры и оценки охватывают ответы на вопросы с выбором варианта и академические тесты; авторы сообщают о сравнительных результатах на арабских диалоговых бенчмарках. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы на арабском языке
  • арабские диалоги и чат-боты
  • решение тестовых вопросов с вариантами ответа
  • ответы на академические вопросы на арабском языке

Ограничения

Контекст ограничен 4096 токенами. Заявления о сравнительном качестве относятся к оценкам и бенчмаркам, приведённым авторами; переносить их на все сценарии использования нельзя.

Для каких профессий подходит5

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

AceGPT

AceGPT is a fully fine-tuned generative text model collection based on LlaMA2, particularly in the Arabic language domain. This is the repository for the version 1.5 of 13B-chat pre-trained model.


Model Details

We have released the AceGPT family of large language models, which is a collection of fully fine-tuned generative text models based on LlaMA2, ranging from 7B to 13B parameters. Our models include two main categories: AceGPT and AceGPT-chat. AceGPT-chat is an optimized version specifically designed for dialogue applications. It is worth mentioning that our models have demonstrated superior performance compared to all currently available open-source Arabic dialogue models in multiple benchmark tests. Furthermore, in our human evaluations, our models have shown comparable satisfaction levels to some closed-source models, such as ChatGPT, in the Arabic language.

Model Developers

We are from the King Abdullah University of Science and Technology (KAUST), the Chinese University of Hong Kong, Shenzhen (CUHKSZ), the Shenzhen Research Institute of Big Data (SRIBD), and King AbdulAziz University (KAU).

Variations

AceGPT families come in a range of parameter sizes —— 7B and 13B, each size of model has a base category and a -chat category.

Paper

The paper can be accessed at link.

Input

Models input text only.

Output

Models output text only.

Model Evaluation Results

Benchmark evaluations are conducted using accuracy or F1 scores as metrics, following the evaluation framework available at https://github.com/FreedomIntelligence/AceGPT/tree/main. (ArabicMMLU is assessed based on its source settings.)

MMLU (Huang et al. (2023))ArabicMMLUEXAMSACVA (clean)ACVA (all)BoolQ (trans)ARC-C (trans)Average
LLaMA2-7B-chat13.7833.4013.0520.9921.8034.9223.7221.09
Phoenix-7b29.7244.7431.9343.8041.8666.7033.5341.75
AceGPT-7B-chat30.6936.3133.7353.8753.0760.7038.0543.77
Mistral-7B-Instruct-v0.227.9341.4421.5664.5663.4760.1835.6744.97
AceGPT-v1.5-7B-chat45.7756.6243.6969.4670.8672.4560.4959.90
Jais-13B-chat19.5254.8319.7166.7561.4141.2511.9539.34
Llama2-13B-chat8.9236.1216.1135.1235.7154.1327.4730.51
AceGPT-13B-chat35.5952.6138.7270.8270.2166.8544.2054.14
AceGPT-v1.5-13B-chat47.3361.7048.3776.9076.3769.3363.9963.42
Jais-30B-chat-v138.1259.3340.4574.4672.4173.7650.9458.49
Jais-30B-chat-v335.6862.3632.2473.6373.6676.3051.0257.84
ChatGPT 3.5 Turbo46.0757.7245.6374.4576.8876.1260.2462.44

Samples

Sample1(abstract_algebra)

  • input: ": فيما يلي أسئلة الاختيار من متعدد حول جبر تجريدي\n\nسؤال: ما هو الدرجة للامتداد الميداني الناتج من Q(sqrt(2), sqrt(3), sqrt(18)) على Q؟\nA. 0\nB. 4\nC. 2\nD. 6\nمن فضلك اختر إجابة واحدة من بين 'A، B، C، D' دون شرح. : "

  • output: "B\n\nالشرح:\n\nالامت"

Sample2(business_ethics)

  • input: ": فيما يلي أسئلة الاختيار من متعدد حول أخلاقيات الأعمال\n\nسؤال: تُصبح _______ مثل البيتكوين أكثر انتشارًا وتحمل مجموعة كبيرة من الآثار الأخلاقية المرتبطة بها، على سبيل المثال، إنها _______ وأكثر _______. ومع ذلك، تم استخدامها أيضًا للمشاركة في _______.\nA. العملات الرقمية، مكلفة، آمنة، جرائم مالية\nB. العملات التقليدية، رخيصة، غير آمنة، العطاء الخيري\nC. العملات الرقمية، رخيصة، آمنة، جرائم مالية\nD. العملات التقليدية، مكلفة، غير آمنة، العطاء الخيري\nمن فضلك اختر إجابة واحدة من بين 'A، B، C، D' دون شرح. : "

  • output: "C\n\nالشرح:\n\nالإ"

Reference

@article{zhu2025second,
  title={Second Language (Arabic) Acquisition of LLMs via Progressive Vocabulary Expansion},
  author={Zhu, Jianqing and Huang, Huang and Lin, Zhihang and Liang, Juhao and Tang, Zhengyang and Almubarak, Khalid and Alharthi, Mosen and An, Bang and He, Juncai and Wu, Xiangbo and Yu, Fei and Chen, Junying and Ma, Zhuoheng and Du, Yuhao and Hu, Yan and Zhang, He and Alghamdi, Emad A. and Zhang, Lian and Sun, Ruoyu and Li, Haizhou and Wang, Benyou and Xu, Jinchao},
  journal={ACL 2025},
  year={2025}
}

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
1aa740c

0 моделей