Китайскоязычная модель BLOOM на 1,4–1,7 млрд параметров для генерации текста с уменьшенным словарём токенизатора.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Langboat/bloom-1b4-zh — языковая модель семейства BLOOM, разработанная Langboat на основе bigscience/bloom-1b7. Это плотная авторегрессионная модель для генерации текста. Разработчики сократили словарь токенизатора с 250 880 до 46 145 единиц на корпусе китайского языка, чтобы уменьшить потребление памяти GPU. В метаданных указано 1,7 млрд параметров, а в README после сокращения словаря приводится оценка 1,4 млрд; максимальная длина контекста — 4096 токенов.
Модель предназначена прежде всего для генерации текста на китайском языке и запускается через Transformers с классами BloomTokenizerFast и BloomForCausalLM. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — BigScience BLOOM RAIL 1.0, условия которой следует учитывать при использовании и распространении модели.
README приводит оценку в 1,4 млрд параметров после сокращения словаря, тогда как метаданные указывают 1,7 млрд. Модель ориентирована на китайский язык; лицензия BigScience BLOOM RAIL 1.0 может накладывать условия на использование и распространение.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is based on bigscience/bloom-1b7.
We pruned its vocabulary from 250880 to 46145 with Chinese corpus to reduce GPU memory usage. So the total parameter is 1.4b now.
from transformers import BloomTokenizerFast, BloomForCausalLM
tokenizer = BloomTokenizerFast.from_pretrained('Langboat/bloom-1b4-zh')
model = BloomForCausalLM.from_pretrained('Langboat/bloom-1b4-zh')
print(tokenizer.batch_decode(model.generate(tokenizer.encode('中国的首都是', return_tensors='pt'))))
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…