/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
GPL 3.0
Архитектура
llama · dense
Опубликована
6 июл 2023

bayling-13b-v1.1

Генерация текстаТекст → текст8 профессий

BayLing-13B-v1.1 — модель семейства Llama для генерации текста, диалога, перевода и выполнения инструкций на китайском и английском языках.

18скачиваний за 30 дней4лайкавеса обновлены6 июл 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.

  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

BayLing-13B-v1.1 — языковая модель с настройкой на следование инструкциям, разработанная Shaolei Zhang, Qingkai Fang, Zhuocheng Zhang, Zhengrui Ma, Yan Zhou, Langlin Huang, Mengyu Bu, Shangtong Gui, Yunji Chen, Xilin Chen и Yang Feng. Это версия BayLing-13B с дополнительными знаниями о китайском языке по сравнению с v1.0.

Модель предназначена для генерации текста на китайском и английском языках, следования инструкциям, многоходового диалога, перевода, письма, творческих задач и предложений. Архитектура — плотная LlamaForCausalLM на 12,9 млрд параметров; нативная длина контекста составляет 2048 токенов. В README указано, что модель можно запускать на потребительской видеокарте с 16 ГБ памяти.

Лицензия — GPL-3.0. В карточке заявлены сильные возможности для генерации на английском и китайском, следования инструкциям и многоходового взаимодействия; сравнительные метрики не приведены. Контекст ограничен 2048 токенами, а заявленные языковые возможности сосредоточены на китайском и английском.

Сценарии применения

  • перевод между китайским и английским
  • многоходовый диалог на китайском или английском
  • ответы на инструкции и запросы пользователя
  • написание и редактирование текстов
  • генерация творческих идей и предложений

Ограничения

Нативный контекст ограничен 2048 токенами; в карточке описаны прежде всего китайский и английский языки. В README не приведены сравнительные метрики качества.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BayLing: Bridging Cross-lingual Alignment and Instruction Following through Interactive Translation for Large Language Models

BayLing (百聆, bǎi líng) is an instruction-following LLM equipped with advanced language alignment, showing superior capability in English/Chinese generation, instruction following and multi-turn interaction. BayLing can be effortlessly deployed on a consumer-grade GPU with 16GB of memory, and assists users with tasks such as translation, writing, creation, suggestion...

This model is the version 1.1 of BayLing-13B.

Compared with BayLing-13B-v1.0, BayLing-13B-v1.1 is additionally injected with extensive Chinese knowledge.

More info:

Authors

| Shaolei Zhang | Qingkai Fang | Zhuocheng Zhang | Zhengrui Ma |

| Yan Zhou | Langlin Huang | Mengyu Bu | Shangtong Gui |

| Yunji Chen | Xilin Chen | Yang Feng * |

Citation

If our work is helpful for you, please cite as:

@article{bayling,
      title={BayLing: Bridging Cross-lingual Alignment and Instruction Following through Interactive Translation for Large Language Models}, 
      author={Shaolei Zhang and Qingkai Fang and Zhuocheng Zhang and Zhengrui Ma and Yan Zhou and Langlin Huang and Mengyu Bu and Shangtong Gui and Yunji Chen and Xilin Chen and Yang Feng},
      journal={arXiv preprint arXiv:2306.10968},
      year={2023},
      url={https://arxiv.org/abs/2306.10968}
}

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
e68eec6

0 моделей