/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
7,7 млрд
Архитектура
xglm · dense
Опубликована
2 мар 2022

fairseq-dense-6.7B

Генерация текстаТекст → текст3 профессии

Конверсия модели fairseq/XGLM на 6,7 млрд параметров для генерации английского текста и языковых бенчмарков.

241скачиваний за 30 дней3лайкавеса обновлены18 ноя 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

KoboldAI выпустила совместимую с Hugging Face Transformers конверсию плотной языковой модели fairseq/XGLM на 6,7 млрд параметров из работы Artetxe и соавторов «Efficient Large Scale Language Modeling with Mixtures of Experts». В метаданных указаны архитектура XGLM, класс XGLMForCausalLM, 7,7 млрд параметров и контекст длиной до 2048 токенов; веса представлены в формате PyTorch.

Модель предназначена для генерации текста и прохождения языковых бенчмарков. Карточка приводит результаты оценки на ARC и HellaSwag. Метаданные указывают английский язык; сведений о других поддерживаемых языках и специализированных областях применения нет. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения английского текста
  • подготовка текстовых ответов на английском
  • оценка модели на бенчмарке ARC
  • оценка модели на бенчмарке HellaSwag

Ограничения

Контекст ограничен 2048 токенами. В карточке приведены результаты только для отдельных бенчмарков; сведений о лицензии в предоставленных данных нет.

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

This is a Hugging Face transformers-compatible conversion of the original dense 6.7B-parameter model from the paper "Efficient Large Scale Language Modeling with Mixtures of Experts" from Artetxe et al. Please refer to the original model card, which can be found at https://github.com/facebookresearch/fairseq/blob/main/examples/moe_lm/model_card.md.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.36.09
ARC (25-shot)39.42
HellaSwag (10-shot)71.26
MMLU (5-shot)26.91
TruthfulQA (0-shot)32.73
Winogrande (5-shot)65.27
GSM8K (5-shot)0.0
DROP (3-shot)17.05

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XGLMForCausalLM
Ревизия весов
8c01c6d

0 моделей