Характеристики

Контекст: 2 048 токенов
Параметры: 3,3 млрд
Лицензия: Apache 2.0
Архитектура: llama · dense
Опубликована: 15 авг 2023

Ссылки

LLaMA-3B-2bit-groupsize32

Генерация текстаТекст → текст3 профессии

2-битная квантизованная модель GreenBitAI на базе LLaMA с 3,3 млрд параметров для генерации текста и ответов на запросы.

14скачиваний за 30 дней7лайковвеса обновлены29 сен 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-3B-2bit-groupsize32 — предварительно обученная плотная авторегрессионная языковая модель семейства LLaMA, разработанная GreenBitAI. Веса сжаты до 2 бит с размером группы 32, что снижает требования к хранению и запуску модели. В метаданных указан размер 3,3 млрд параметров, контекст — 2048 токенов, формат файлов — PyTorch.

Модель предназначена для генерации текста и ответов на запросы; README приводит результаты zero-shot оценки на тестах OpenBookQA и ARC Challenge. Карточка не описывает поддержку конкретных естественных языков, поэтому языки не указаны. В опубликованной таблице показатели этой конфигурации ниже, чем у ряда приведённых вариантов LLaMA и полноточных моделей, что следует учитывать при выборе.

Модель распространяется по лицензии Apache-2.0. Это производная версия LLaMA с экстремальной 2-битной квантизацией; низкая точность представления весов может ограничивать качество по сравнению с полноточными вариантами.

Сценарии применения

генерация текста по запросу
ответы на вопросы общего характера
zero-shot ответы на вопросы с выбором варианта
локальный запуск компактной языковой модели

Ограничения

Контекст ограничен 2048 токенами. В приведённых zero-shot тестах показатели этой конфигурации ниже, чем у некоторых вариантов LLaMA с иной квантизацией и у полноточных моделей.

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.

Zero-Shot Evaluation

Task	Metric	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	0.196	0.238	0.242	0.224	0.246	0.296	0.27	0.29
	ac_norm	0.332	0.358	0.362	0.388	0.376	0.4	0.4	0.41
arc_challenge	acc	0.279	0.2978	0.3148	0.3422	0.3268	0.3618	0.34	0.39
	ac_norm	0.2944	0.3319	0.3345	0.3387	0.3387	0.372	0.37	0.41
hellawswag	acc	0.4238	0.444	0.462	0.4996	0.4961	0.5379	0.49	0.68
	ac_norm	0.5685	0.5988	0.6242	0.6447	0.6464	0.7014	0.67	0.73
piqa	acc	0.7024	0.716	0.7291	0.7476	0.7503	0.7715	0.75	0.78
	ac_norm	0.7116	0.7247	0.7312	0.7443	0.7421	0.7568	0.76	0.78
arc_easy	acc	0.5997	0.646	0.6528	0.6061	0.6174	0.6254	0.69	0.68
	ac_norm	0.5417	0.58	0.5972	0.4566	0.4781	0.4958	0.65	0.52
Winogrande	acc	0.5683	0.5888	0.6054	0.6283	0.6298	0.6582	0.62	0.68
boolq	acc	0.6281	0.6636	0.6327	0.6425	0.7061	0.7242	0.68	0.75
truthfulqa_mc	mc1	0.2509	0.2118	0.2252	0.224	0.2313	0.2399	0.22	0.21
	mc2	0.3962	0.3501	0.3625	0.3702	0.3854	0.3795	0.35	0.34
anli_r1	acc	0.337	0.334	0.344	0.331	0.333	0.363	0.33	0.35
anli_r2	acc	0.335	0.332	0.331	0.326	0.349	0.347	0.32	0.34
anli_r3	acc	0.3358	0.3383	0.3425	0.3417	0.36	0.3733	0.35	0.37
wic	acc	0.4984	0.5094	0.4969	0.4984	0.4953	0.489	0.48	0.5
rte	acc	0.5596	0.5993	0.5632	0.639	0.6065	0.6426	0.58	0.56
record	f1	0.8502	0.8625	0.8687	0.8859	0.8872	0.9037	0.88	0.91
	em	0.8427	0.8545	0.8612	0.8781	0.8801	0.8959	0.89	0.91
Average		0.4881	0.5037	0.5087	0.5122	0.5181	0.5391	0.528	0.5519

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: fe1281d