/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
5 ГБ
Архитектура
gemma · dense
Базовая модель
gemma-2b-tamil
Опубликована
31 мар 2024

NeuralGemma-2b

Генерация текстаТекст → текст3 профессии

Объединённая модель Gemma с 2,5 млрд параметров для генерации текста на тамильском и английском языках.

17скачиваний за 30 дней0лайковвеса обновлены31 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

NeuralGemma-2b — модель генерации текста на архитектуре Gemma, полученная объединением abhinand/gemma-2b-tamil и VAGOsolutions/SauerkrautLM-Gemma-2b с помощью LazyMergekit и метода slerp. Модель насчитывает 2,5 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors.

Она предназначена для генерации текста; базовые модели описаны как двуязычная Gemma для тамильского и английского языков. В карточке не приведены результаты оценки качества или конкретные сценарии применения, поэтому возможности модели за пределами генерации текста не следует считать подтверждёнными. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста на тамильском языке
  • генерация текста на английском языке
  • продолжение текстовых фрагментов на тамильском и английском языках

Ограничения

В README не приведены оценки качества и подробные сведения о поведении модели; лицензию по предоставленным данным установить нельзя.

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

NeuralGemma-2b

NeuralGemma-2b is a merge of the following models using LazyMergekit:

🧩 Configuration

slices:
  - sources:
      - model: abhinand/gemma-2b-tamil
        layer_range: [0, 18]
      - model: VAGOsolutions/SauerkrautLM-Gemma-2b
        layer_range: [0, 18]
merge_method: slerp
base_model: VAGOsolutions/SauerkrautLM-Gemma-2b
parameters:
  t:
    - filter: self_attn
      value: [0, 0.5, 0.3, 0.7, 1]
    - filter: mlp
      value: [1, 0.5, 0.7, 0.3, 0]
    - value: 0.4
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Kukedlc/NeuralGemma-2b"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

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
4254684

0 моделей