/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
cc
Архитектура
gemma · dense
Опубликована
4 мар 2024

Gemma-7B-Instruct-Function-Calling

Генерация текстаТекст → текст11 профессий

Дообученная Gemma 7B Instruct для диалогов с вызовом внешних функций, API и баз данных.

27скачиваний за 30 дней6лайковвеса обновлены29 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.

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

InterSync разработала дообученную версию Gemma 7B Instruct с поддержкой структурированных вызовов функций. Модель предназначена для диалогов, в которых нужно передавать запросы внешним API и базам данных, получать данные и использовать их в дальнейших ответах.

Это текстовая авторегрессионная модель семейства Gemma с плотной архитектурой, содержащая 8,2 млрд параметров и принимающая контекст до 8192 токенов. README указывает английский как язык моделей Gemma; модель подходит для генерации текста, ответов на вопросы, суммаризации и рассуждений, а также для сценариев с подключением инструментов.

Модель опубликована в формате safetensors под лицензией CC. Качество вызова функций зависит от корректного описания инструментов и доступной внешней системы; README не приводит оценок качества или конкретных ограничений.

Сценарии применения

  • вызов API из диалогового ассистента
  • поиск сведений во внешних базах данных
  • получение актуальной информации через подключённые инструменты
  • ответы на вопросы с использованием внешних источников
  • суммаризация полученных через инструменты данных

Ограничения

Вызов функций требует подключения внешних инструментов и корректного описания их интерфейсов. В README не приведены количественные оценки качества или результаты тестирования.

Для каких профессий подходит11

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

Model Page: Gemma

Fine-tuned Gemma with OpenAI Function Call Support

Finetuned version of Gemma 7B Instruct to support direct function calling. This new capability aligns with the functionality seen in OpenAI's models, enabling Gemma to interact with external data sources and perform more complex tasks, such as fetching real-time information or integrating with custom databases for enriched AI-powered applications.

Features

  • Direct Function Calls: Gemma now supports structured function calls, allowing for the integration of external APIs and databases directly into the conversational flow. This makes it possible to execute custom searches, retrieve data from the web or specific databases, and even summarize or explain content in depth.

Fine-tuned Quantization Models

Updating:

Model Description

Gemma is a family of lightweight, state-of-the-art open models from Google, built from the same research and technology used to create the Gemini models. They are text-to-text, decoder-only large language models, available in English, with open weights, pre-trained variants, and instruction-tuned variants. Gemma models are well-suited for a variety of text generation tasks, including question answering, summarization, and reasoning. Their relatively small size makes it possible to deploy them in environments with limited resources such as a laptop, desktop or your own cloud infrastructure, democratizing access to state of the art AI models and helping foster innovation for everyone.

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
e498963

0 моделей