/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
TinyLlama-3T-Cinder-v1.2
Опубликована
13 мая 2024

Ссылки

Hugging Face

TinyLlama-Cinder-Agent-Rag

Josephgflowers
Генерация текстаТекст → текст8 профессий

Дообученная модель TinyLlama для диалоговой генерации, RAG, суммаризации и использования инструментов.

24скачиваний за 30 дней1лайквеса обновлены15 мая 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

Josephgflowers/TinyLlama-Cinder-Agent-Rag — дообученная плотная авторегрессионная модель семейства Llama, созданная на основе Josephgflowers/TinyLlama-3T-Cinder-v1.2. Модель предназначена для генерации диалоговых ответов и заявлена для работы в сценариях RAG, суммаризации, вызова функций и инструментов; исходная модель Cinder ориентирована на беседы о STEM-темах и рассказывание историй.

Модель содержит 1 млрд параметров, принимает текст и генерирует текст, поддерживает чат и имеет контекст длиной 2048 токенов. README характеризует обучение как первый этап и сообщает о планах дальнейшего обучения и обновления. Доступна по лицензии MIT.

Сценарии применения

  • ответы на вопросы по базе документов через RAG
  • суммаризация текстов
  • диалоговый помощник по STEM-темам
  • генерация сюжетных рассказов
  • вызов функций и инструментов в чат-приложении

Ограничения

README описывает модель как результат первого этапа обучения и сообщает, что дальнейшее обучение и обновления ещё планируются. Поддерживаемые естественные языки не указаны.

Для каких профессий подходит8

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is first pass training. Further training and model update coming.

TinyLlama-Cinder-Agent-Rag

Special Thanks to https://nationtech.io/ for their generous sponorship in training this model.

image/png

This model is a fine-tuned version of Josephgflowers/TinyLlama-3T-Cinder-v1.2 on https://huggingface.co/datasets/Josephgflowers/agent_1.

Model description

This models is trained for RAG, Summary, Function Calling and Tool usage. Trained off of Cinder. Cinder is a chatbot designed for chat about STEM topics and storytelling. More information coming.

More model versions coming soon.

See https://huggingface.co/Josephgflowers/TinyLlama-Cinder-Agent-Rag/blob/main/tinyllama_agent_cinder_txtai-rag.py For usage example with wiki rag.

Intended uses & limitations

RAG, Chat, Summary, and tool usage.

image/png

image/png

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 12
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1.0
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.41.0.dev0
  • Pytorch 2.2.2+cu121
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
93e7ed6

0 моделей

    Создать бенчмарк