/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2-7B
Библиотека
transformers
Опубликована
27 июн 2024

calme-2.7-qwen2-7b

Генерация текстаТекст → текст9 профессий

Дообученная на диалоговых и инструкционных данных модель Qwen2-7B для генерации текста и ответов в чате.

72скачиваний за 30 дней2лайкавеса обновлены19 сен 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 оценки6

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

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4824

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4883

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2911

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3705

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3592

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1382

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

calme-2.7-qwen2-7b — дообученная Maziyar Panahi чат-модель на базе Qwen2-7B, предназначенная для генерации ответов и диалогового взаимодействия. Автор заявляет, что дообучение направлено на улучшение базовой модели по результатам бенчмарков; в обучении использованы данные HelpSteer2, OpenHermes-2.5, Orca Math Word Problems и SlimOrca.

Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Для диалогов используется шаблон ChatML. Карточка приводит результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH. Модель принимает текст и генерирует текст; в метаданных указан английский язык.

Модель распространяется в формате Safetensors по лицензии Apache-2.0. Качество зависит от запроса и сценария; опубликованные бенчмарки не гарантируют точность ответов в конкретных задачах.

Сценарии применения

  • ответы на вопросы в диалоге
  • генерация инструкций и развернутых ответов
  • решение текстовых математических задач
  • оценка и проверка следования инструкциям
  • прототипирование англоязычного чат-бота

Ограничения

Результаты на бенчмарках не гарантируют точность в конкретных пользовательских сценариях. В метаданных указан английский язык; поддержка других языков не подтверждена.

Для каких профессий подходит9

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

MaziyarPanahi/calme-2.7-qwen2-7b

This is a fine-tuned version of the Qwen/Qwen2-7B model. It aims to improve the base model across all benchmarks.

⚡ Quantized GGUF

All GGUF models are available here: MaziyarPanahi/calme-2.7-qwen2-7b-GGUF

🏆 Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.22.07
IFEval (0-Shot)35.92
BBH (3-Shot)28.91
MATH Lvl 5 (4-Shot)12.08
GPQA (0-shot)5.48
MuSR (0-shot)19.94
MMLU-PRO (5-shot)30.06

Prompt Template

This model uses ChatML prompt template:

<|im_start|>system
{System}
<|im_end|>
<|im_start|>user
{User}
<|im_end|>
<|im_start|>assistant
{Assistant}

How to use


# Use a pipeline as a high-level helper

from transformers import pipeline

messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe = pipeline("text-generation", model="MaziyarPanahi/calme-2.7-qwen2-7b")
pipe(messages)


# Load model directly

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("MaziyarPanahi/calme-2.7-qwen2-7b")
model = AutoModelForCausalLM.from_pretrained("MaziyarPanahi/calme-2.7-qwen2-7b")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
ff4b5db

0 моделей