/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,7 млрд
Архитектура
gemma2 · dense
Библиотека
transformers
Опубликована
5 окт 2026

sft_gemma2_2b_layerdrop_indep_p020

Генерация текстаТекст → текст

Дообученная Gemma 2 на 2,7 млрд параметров для генерации текста и ответов в диалоге с контекстом до 8192 токенов.

484скачиваний за 30 дней0лайковвеса обновлены5 окт 2026

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

KexuanShi/sft_gemma2_2b_layerdrop_indep_p020 — дообученная методом supervised fine-tuning языковая модель семейства Gemma 2, опубликованная KexuanShi. Модель построена на плотной архитектуре Gemma2ForCausalLM и содержит 2,7 млрд параметров; для запуска предназначена библиотека Transformers. В карточке показан пример генерации ответа на вопрос в формате чата.

Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет 8192 токена. В названии указаны layerdrop и p020, однако карточка не поясняет настройки обучения и их влияние на качество. Базовая модель обозначена в README как None, поэтому установить её идентификатор по доступным данным нельзя. Лицензия и поддерживаемые языки в предоставленных данных не определены.

Сценарии применения

  • генерация ответов на пользовательские вопросы
  • создание диалогового помощника
  • продолжение текста по запросу
  • прототипирование текстовых приложений на Transformers

Ограничения

README указывает базовую модель как None, поэтому её происхождение и лицензию по доступным данным установить нельзя. Языки и качество модели не охарактеризованы; упоминание layerdrop в названии не сопровождается описанием метода или результатов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for sft_gemma2_2b_layerdrop_indep_p020

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="None", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with SFT.

Framework versions

  • TRL: 1.13.0
  • Transformers: 5.17.0
  • Pytorch: 2.13.0
  • Datasets: 5.0.1
  • Tokenizers: 0.23.2

Citations

Cite TRL as:

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}

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
5dc3b8d

0 моделей