/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Falcon3-7B-Base
Библиотека
transformers
Опубликована
18 дек 2024

CollectiveLM-Falcon-3-7B

Генерация текстаТекст → текст8 профессий

Дообученная на многоходовых инструкциях модель Falcon3 с 7,1 млрд параметров для генерации текста и диалоговых ответов.

43скачиваний за 30 дней1лайквеса обновлены8 янв 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3599

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,5105

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3887

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3918

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3255

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2183

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Locutusque/CollectiveLM-Falcon-3-7B — языковая модель, дообученная на базе tiiuae/Falcon3-7B-Base. По README, для обучения использован набор примерно из 1,3 тыс. примеров, полученных сочетанием методов Evol Instruct и Amplify Instruct: отдельные инструкции преобразовывались в сложные многоходовые диалоги. Модель предназначена для генерации текста и диалоговых ответов по инструкциям.

Модель имеет плотную архитектуру с 7,1 млрд параметров и контекстное окно до 32 768 токенов. Метаданные указывают английский язык и поддержку чата. В README приведены результаты отдельных оценок, включая GSM8K и AGIEval; они не гарантируют качество на других задачах. Полная карточка модели и описание ограничений отсутствуют. Лицензия обозначена как other, поэтому условия использования следует сверить с репозиторием модели.

Сценарии применения

  • ответы на инструкции в диалоге
  • генерация многоходовых диалогов
  • решение задач с пошаговым рассуждением
  • ответы на вопросы на английском языке

Ограничения

Обучающий набор небольшой — около 1,3 тыс. примеров, а опубликованная карточка не содержит полной оценки качества и подробного описания рисков. Лицензия указана как other, поэтому перед использованием нужно проверить её условия в репозитории.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Full model card coming soon. Long story short, the curation method for the dataset used in the training of this language model combines methods from Evol instruct and Amplify instruct. The pipeline takes in a single instruction and turns it into a complex multi turn conversation. The resulting dataset yields very good results. It contains around 1.3k examples.

The full model card will be written and the dataset will be published once other models are finished training and evals are complete.

Currently finished evals

TasksVersionFiltern-shotMetricValueStderr
agieval_nous0noneacc_norm↑0.4266±0.0095
- agieval_aqua_rat1none0acc↑0.3268±0.0295
none0acc_norm↑0.3150±0.0292
- agieval_logiqa_en1none0acc↑0.3825±0.0191
none0acc_norm↑0.3856±0.0191
- agieval_lsat_ar1none0acc↑0.2652±0.0292
none0acc_norm↑0.2348±0.0280
- agieval_lsat_lr1none0acc↑0.4667±0.0221
none0acc_norm↑0.4294±0.0219
- agieval_lsat_rc1none0acc↑0.5911±0.0300
none0acc_norm↑0.5465±0.0304
- agieval_sat_en1none0acc↑0.7670±0.0295
none0acc_norm↑0.7282±0.0311
- agieval_sat_en_without_passage1none0acc↑0.4806±0.0349
none0acc_norm↑0.4320±0.0346
- agieval_sat_math1none0acc↑0.5091±0.0338
none0acc_norm↑0.4364±0.0335

agieval average acc: 0.4736

TasksVersionFiltern-shotMetricValueStderr
gsm8k_cot_llama3flexible-extract8exact_match↑0.8249±0.0105
strict-match8exact_match↑0.8241±0.0105

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Funded by [optional]: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): [More Information Needed]
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
cd2fcfd

0 моделей