Характеристики

Контекст: 2 048 токенов
Параметры: 6,6 млрд
Лицензия: Apache 2.0
Архитектура: llama · dense
Опубликована: 11 сен 2023

Ссылки

LLaMA-2-7B-2bit-groupsize8

Генерация текстаТекст → текст3 профессии

Сжатая до 2 бит англоязычная модель LLaMA 2 с 6,6 млрд параметров для генерации текста и продолжения последовательностей.

13скачиваний за 30 дней5лайковвеса обновлены5 окт 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

GreenBitAI LLaMA-2-7B-2bit-groupsize8 — предварительно обученная причинно-авторегрессионная языковая модель семейства LLaMA 2, разработанная GreenBitAI и сжатая до 2 бит с размером группы 8. Число параметров — 6,6 млрд, контекст — до 2048 токенов. Модель принимает текст и генерирует текст на английском языке.

Она предназначена для генерации текста и выполнения задач на продолжение текста. В карточке приведены результаты оценки в режиме zero-shot на OpenBookQA и ARC Challenge; это указывает на проверку базовых знаний и ответов на вопросы, но основная задача модели — генерация текста. README сообщает о сильных результатах для некоторых сравнений с другими 2-битными моделями, однако это не гарантирует качество в иных задачах.

Модель выпущена по Apache 2.0; README также указывает на соглашение о лицензии LLaMA 2. Сжатие до 2 бит уменьшает требования к хранению и вычислениям, но может влиять на качество. Для запуска и дополнительные сведения README направляет к коду GreenBitAI на GitHub.

Сценарии применения

генерация продолжения англоязычного текста
черновое написание англоязычных ответов и материалов
zero-shot ответы на вопросы общего характера
оценка базовых знаний на OpenBookQA и ARC Challenge

Ограничения

Контекст ограничен 2048 токенами; сжатие до 2 бит может снижать качество относительно моделей с более высокой точностью. Результаты zero-shot оценки в README не гарантируют качество на других задачах.

Для каких профессий подходит3

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 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GreenBit LLaMA

This is GreenBitAI's pretrained 2-bit LLaMA model with extreme compression yet still strong performance.

Please refer to our Github page for the code to run the model and more information.

Model Description

Developed by: GreenBitAI
Model type: Causal (Llama 2)
Language(s) (NLP): English
License: Apache 2.0, Llama 2 license agreement

Zero-Shot Evaluation

Task	Metric	TinyLLaMA 1.1B q2g32	TinyLLaMA 1.1B q2g8	LLaMA 3B q2g32	LLaMA 3B q2g16	LLaMA 3B q2g8	LLaMA-1 7B q2g32	LLaMA-2 7B q2g32	LLaMA-2 7B q2g8	LLaMA 3B FP16	LLaMA-1 7B FP16
Openbookqa	acc	0.152	0.192	0.196	0.238	0.242	0.224	0.246	0.296	0.27	0.29
	ac_norm	0.328	0.338	0.332	0.358	0.362	0.388	0.376	0.4	0.4	0.41
arc_challenge	acc	0.3268	0.2278	0.279	0.2978	0.3148	0.3422	0.3268	0.3618	0.34	0.39
	ac_norm	0.3387	0.273	0.2944	0.3319	0.3345	0.3387	0.3387	0.372	0.37	0.41
hellawswag	acc	0.34	0.3769	0.4238	0.444	0.462	0.4996	0.4961	0.5379	0.49	0.68
	ac_norm	0.4097	0.4711	0.5685	0.5988	0.6242	0.6447	0.6464	0.7014	0.67	0.73
piqa	acc	0.6518	0.6931	0.7024	0.716	0.7291	0.7476	0.7503	0.7715	0.75	0.78
	ac_norm	0.6393	0.6812	0.7116	0.7247	0.7312	0.7443	0.7421	0.7568	0.76	0.78
arc_easy	acc	0.4411	0.5109	0.5997	0.646	0.6528	0.6061	0.6174	0.6254	0.69	0.68
	ac_norm	0.3716	0.412	0.5417	0.58	0.5972	0.4566	0.4781	0.4958	0.65	0.52
Winogrande	acc	0.532	0.5249	0.5683	0.5888	0.6054	0.6283	0.6298	0.6582	0.62	0.68
boolq	acc	0.592	0.6174	0.6281	0.6636	0.6327	0.6425	0.7061	0.7242	0.68	0.75
truthfulqa_mc	mc1	0.2338	0.2277	0.2509	0.2118	0.2252	0.224	0.2313	0.2399	0.22	0.21
	mc2	0.4211	0.406	0.3962	0.3501	0.3625	0.3702	0.3854	0.3795	0.35	0.34
anli_r1	acc	0.363	0.336	0.337	0.334	0.344	0.331	0.333	0.363	0.33	0.35
anli_r2	acc	0.331	0.346	0.335	0.332	0.331	0.326	0.349	0.347	0.32	0.34
anli_r3	acc	0.3758	0.3633	0.3358	0.3383	0.3425	0.3417	0.36	0.3733	0.35	0.37
wic	acc	0.5	0.5	0.4984	0.5094	0.4969	0.4984	0.4953	0.489	0.48	0.5
rte	acc	0.4874	0.4874	0.5596	0.5993	0.5632	0.639	0.6065	0.6426	0.58	0.56
record	f1	0.7608	0.8023	0.8502	0.8625	0.8687	0.8859	0.8872	0.9037	0.88	0.91
	em	0.753	0.7934	0.8427	0.8545	0.8612	0.8781	0.8801	0.8959	0.89	0.91
Average		0.438	0.4498	0.4881	0.5037	0.5087	0.5122	0.5181	0.5391	0.528	0.5519
model size	GiB	0.5	0.6	1.2	1.3	1.5	2.2	2.2	2.9	6.8	12.5

Zero-Shot Harness Evaluation

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: e4abcc4