/ Модель

Характеристики

Контекст
256 токенов
Параметры
126 млн
Архитектура
llama · dense
Базовая модель
babylama-attention_heads12
Библиотека
transformers
Опубликована
14 ноя 2024

babylama-activation_gelu

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель семейства Llama для генерации текста с контекстом 256 токенов.

16скачиваний за 30 дней0лайковвеса обновлены14 ноя 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.

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

Harshatheeswar выпустил babylama-activation_gelu — дообученную компактную причинно-языковую модель семейства Llama для генерации текста. Модель содержит 125,5 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors; длина контекста составляет 256 токенов. В метаданных и карточке не указаны поддерживаемые естественные языки или специализированная область применения.

Модель дообучена на основе Harshatheeswar/babylama-attention_heads12. В карточке приведено значение loss 3,8124 на оценочном наборе, но назначение и состав данных, подробные результаты и ограничения не описаны. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста на основе короткой подсказки
  • продолжение короткого текстового фрагмента
  • эксперименты с компактными причинно-языковыми моделями

Ограничения

Контекст ограничен 256 токенами. В карточке отсутствуют сведения о языках, обучающих данных, лицензии и подробных оценках качества; приведён только loss 3,8124.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

babylama-activation_gelu

This model is a fine-tuned version of Harshatheeswar/babylama-attention_heads12 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.8124

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.05960.999955594.1325
3.79041.9999111193.8984
3.5982.9998166783.8069
3.39213.9999222383.7945
3.31184.9994277953.8124

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.0+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
3bf2d71

0 моделей