Характеристики

Контекст: 131 072 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Архитектура: llama · dense
Базовая модель: Hermes-3-Llama-3.1-8B
Библиотека: transformers
Опубликована: 30 авг 2024

Ссылки

Hugging Face arXiv 2403.19522

Hermes-Llama-Merge

Gunulhona

Генерация текстаТекст → текст7 профессий

Объединённая модель Llama 3.1 на 7,5 млрд параметров для диалоговой генерации текста с акцентом на корейский язык.

22скачиваний за 30 дней0лайковвеса обновлены30 авг 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.

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

Gunulhona/Hermes-Llama-Merge — объединённая плотная языковая модель семейства Llama, созданная с помощью mergekit методом Model Stock. За основу взята NousResearch/Hermes-3-Llama-3.1-8B; в объединение также вошли несколько инструкционных моделей Llama 3 на корейском языке, Meta-Llama-3.1-8B и OpenChat 3.6. Модель содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и опубликована в формате safetensors.

Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают контекст до 131 072 токенов, а описание базовой Hermes 3 отмечает поддержку инструкций, рассуждений, генерации кода и интерфейса вызова инструментов. Набор объединённых моделей указывает на особый акцент на корейском языке наряду с возможностями базовой модели.

Карточка не приводит сравнительных оценок качества или подробного описания ограничений объединённой версии. Модель опубликована 30 августа 2024 года; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

диалоговые ответы на корейском языке
генерация текста по инструкциям
длинные диалоги с большим контекстом
генерация кода
вызов инструментов в диалоговом интерфейсе

Ограничения

Для этой объединённой модели не приведены сравнительные оценки качества и отдельные результаты проверки. Лицензия в предоставленных данных не указана.

Для каких профессий подходит7

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.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

merge

This is a merge of pre-trained language models created using mergekit.

Merge Details

Merge Method

This model was merged using the Model Stock merge method using NousResearch/Hermes-3-Llama-3.1-8B as a base.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
      - model: openchat/openchat-3.6-8b-20240522
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: MLP-KTLim/llama-3-Korean-Bllossom-8B
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: lcw99/llama-3-8b-it-ko-chang
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: beomi/Llama-3-Open-Ko-8B-Instruct-preview
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: maywell/Llama-3-Ko-8B-Instruct
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: tesser-ai/Tesser-Llama-3-Ko-8B
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: maum-ai/Llama-3-MAAL-8B-Instruct-v0.1
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: meta-llama/Meta-Llama-3.1-8B
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
      - model: NousResearch/Hermes-3-Llama-3.1-8B
        layer_range: [0, 32]
        parameters:
            filter_wise: false # calculate with per-tensor. Not recommended
merge_method: model_stock
base_model: NousResearch/Hermes-3-Llama-3.1-8B
dtype: bfloat16

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: e0f2f76