/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
33,3 млрд
Размер весов
65,8 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Базовая модель
gemma-2-27b
Библиотека
transformers
Опубликована
25 фев 2025

ATOMIS

Генерация текстаТекст → текст3 профессии

ATOMIS — корейская языковая модель KINS на базе Gemma 2, предназначенная для генерации текста и ответов на вопросы по ядерной тематике, в том числе по документам.

28скачиваний за 30 дней9лайковвеса обновлены25 фев 2025

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

ATOMIS — большая языковая модель, разработанная Корейским институтом ядерной безопасности (KINS) для работы с текстами в ядерной отрасли. Она дообучена на основе google/gemma-2-27b: авторы расширили базовую модель методом passthrough, продолжили предобучение на специализированных материалах, затем применили supervised fine-tuning и direct preference optimization. В репозитории указаны архитектура Gemma 2, 33,3 млрд параметров и контекст до 32 768 токенов.

Модель рассчитана прежде всего на понимание и генерацию корейского текста, ответы на вопросы по ядерной тематике и работу в сценариях RAG, где ответ строится по документам. В карточке приведены оценки на корейском языковом бенчмарке LogicKor, ядерном NuclearQA и RAG-бенчмарке RAGEval; заявленные результаты относятся к описанным авторами условиям оценки и не гарантируют точность в иных сценариях. Модель доступна на условиях лицензии Gemma.

Сценарии применения

  • ответы на вопросы о ядерной отрасли
  • поиск ответов в ядерных документах с использованием RAG
  • суммаризация материалов по ядерной тематике
  • диалог на корейском языке по вопросам ядерной безопасности

Ограничения

Специализация и заявленные результаты ориентированы на корейские сценарии ядерной тематики; точность ответов в других областях и языках карточка не характеризует. Результаты бенчмарков получены в описанных авторами условиях и не гарантируют качество в прикладной системе.

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

Introduction

About the Model

We introduce ATOMIS, developed by the Korea Institute of Nuclear Safety (KINS). This model is specifically designed for the nuclear field and is a large language model (LLM) with 32 billion parameters. It achieves state-of-the-art performance among its peers on Logickor, a real-world Korean task benchmark; NuclearQA, a nuclear-domain benchmark; and RAGEval, a RAG benchmark. Please refer to the evaluation results table for details.

Key Features

  • Korean Real-World use cases: The model can understand and generate Korean text with high accuracy, making it suitable for practical scenarios.
  • Specialized in the Nuclear Domain: The model has been specifically trained on a vast, specialized corpus of nuclear data.
  • RAG: The model delivers accurate answers based on real documents through its high RAG performance.

Pre-Training

We created the base model by expanding layers using a passthrough method, building on the gemma-2-27b model. Additionally, we extended the context length to 32K with RoPE and performed continuous pretraining to restore the model’s performance. In particular, to train specialized knowledge in the nuclear domain, we included the following data.

Post-Training

The fine-tuning data includes over 1M publicly available instruction datasets as well as high-quality synthetic data. We use this dataset to perform supervised fine-tuning (SFT) and direct preference optimization (DPO).

How to use

# pip install transformers==4.43.4 or later
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("KINS-ai/ATOMIS")
model = AutoModelForCausalLM.from_pretrained(
    "KINS-ai/ATOMIS",
    device_map="auto",
    torch_dtype=torch.bfloat16,
)

messages = [
    {"role": "user", "content": "안녕하세요?"},
]

input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt", return_dict=True).to("cuda")

outputs = model.generate(**input_ids, max_new_tokens=256)
print(tokenizer.decode(outputs[0]))

Evaluation

Overall

ModelLogicKorNuclearQARAGEvalAvg
c4ai-command-r-08-20248.277.829.418.50
gemma-2-27b-it8.668.188.978.60
Qwen2.5-32B-instruct8.938.619.368.97
phi-48.628.679.558.95
Mistral-Small-24B-Instruct-25018.368.689.048.69
Llama-3.3-70b-instruct7.948.429.258.54
ATOMIS9.008.729.659.12

LogicKor

We evaluated the performance using the LogicKor code. As the judge model, we employed the officially recommended GPT-4-1106-preview. These scores reflect only the default zero-shot evaluation.

ModelMathReasoningCodingWritingUnderstandingGrammarSingle-turnMulti-turnAvg
c4ai-command-r-08-20246.147.369.439.649.217.868.058.528.27
gemma-2-27b-it8.938.298.439.299.437.578.438.888.66
Qwen2.5-32B-instruct8.798.649.369.509.298.008.799.108.93
phi-48.799.219.869.219.005.648.508.748.62
Mistral-Small-24B-Instruct-25018.008.149.369.438.506.718.298.438.36
Llama-3.3-70b-instruct7.436.508.798.438.647.868.147.747.94
ATOMIS8.368.719.799.648.299.219.148.869.00

NuclearQA

We employed NuclearQA [1], a human-made benchmark consisting of 100 questions designed by experts to evaluate language models in the nuclear domain.

We then used this question set to assess the LLM’s responses in a manner similar to the Logickor benchmark.

[1] Acharya, A., Munikoti, S., Hellinger, A., Smith, S., Wagle, S. and Horawalavithana, S., 2023. NuclearQA: A Human-Made Benchmark for Language Models for the Nuclear Domain. arXiv:2310.10920.

ModelEasyMediumHardGeneralScientificNumericalNum+SciAvg
c4ai-command-r-08-20248.778.216.477.738.387.357.357.82
gemma-2-27b-it8.978.247.337.928.238.128.458.18
Qwen2.5-32B-instruct8.978.428.388.548.158.769.038.61
phi-48.948.978.118.468.739.008.508.67
Mistral-Small-24B-Instruct-25019.138.768.148.418.818.598.958.68
Llama-3.3-70b-instruct9.298.587.448.228.628.478.358.42
ATOMIS9.108.648.318.169.008.719.108.72

RAGEval

We used RAGEval [2], a benchmark designed to evaluate RAG performance in terms of factual accuracy, using three novel metrics: Completeness, Hallucination, and Irrelevance.

We evaluated performance using the RAGEval code. As the judge model, we employed the officially recommended gpt-4o. These scores reflect only the completeness metric of the single-document QA evaluation.

[2] Zhu, K., Luo, Y., Xu, D., Wang, R., Yu, S., Wang, S., Yan, Y., Liu, Z., Han, X., Liu, Z. and Sun, M., 2024. RAGEval: Scenario Specific RAG Evaluation Dataset Generation Framework. arXiv:2408.01262.

ModelFactualSummarizationMulti-hop ReasoningAvg
c4ai-command-r-08-20241.0000.9130.9080.941
gemma-2-27b-it0.9870.8900.8140.897
Qwen2.5-32B-instruct0.9800.9060.9230.936
phi-41.0000.9310.9340.955
Mistral-Small-24B-Instruct-25010.9800.9510.7810.904
Llama-3.3-70b-instruct0.9770.9070.8930.925
ATOMIS0.9930.9420.9600.965

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
6eac17f

0 моделей