/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
Своя лицензия
Архитектура
gemma · dense
Базовая модель
gemma-7b
Опубликована
1 мар 2024

Ссылки

Hugging Face

zephyr-7b-gemma-sft-v0.1

HuggingFaceH4
Генерация текстаТекст → текст4 профессии

Англоязычная диалоговая модель на базе Gemma 7B для генерации текста и ответов в чате.

153скачиваний за 30 дней13лайковвеса обновлены1 мар 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.

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

Zephyr-7B-Gemma-SFT-v0.1 — диалоговая текстовая модель, созданная HuggingFaceH4 путём дообучения Gemma 7B от Google на наборе HuggingFaceH4/deita-10k-v0-sft. Она построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке.

В карточке приведён результат оценки на тестовом наборе: loss 0,9732. Подробные сведения о предназначении, обучающих данных и ограничениях в README отсутствуют. Репозиторий распространяется под лицензией с обозначением «other»; конкретные условия использования следует проверять в файлах репозитория и лицензии базовой модели.

Сценарии применения

  • генерация ответов в англоязычном чате
  • создание связного текста по запросу
  • ответы на вопросы на английском языке

Ограничения

Карточка не описывает конкретные ограничения или качество по отдельным сценариям; приведён только результат loss 0,9732 на тестовом наборе. Лицензия указана как «other», поэтому условия использования нужно уточнять по файлам репозитория.

Для каких профессий подходит4

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 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

zephyr-7b-gemma-sft

This model is a fine-tuned version of google/gemma-7b on the HuggingFaceH4/deita-10k-v0-sft dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9732

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: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 16
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.94821.02990.9848
0.81392.05990.9610
0.7222.998970.9732

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • Tokenizers 0.15.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
bfef69b

0 моделей

    Создать бенчмарк