/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
4 окт 2024

mini-Ichigo-llama3.2-3B-s-base

Генерация текстаТекст → текст3 профессии

Англоязычная модель на базе Llama 3.2, которая принимает текст и звук и формирует текстовые ответы для задач понимания аудио.

40скачиваний за 30 дней1лайквеса обновлены19 ноя 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

Menlo/mini-Ichigo-llama3.2-3B-s-base — англоязычная аудио-языковая модель от Homebrew Research на архитектуре Llama 3.2. Модель содержит 3,2 млрд параметров, принимает текст и звук и генерирует текст; заявленное контекстное окно — 131 072 токена.

Модель предназначена для задач понимания аудио и текста, включая исследование возможностей языковых моделей в работе со звуком. Её непрерывно предварительно обучали на расширенном словаре с использованием 900 млн токенов из набора сырых аудиоданных; в метаданных также указан датасет инструкций для речи и WhisperVQ. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

  • понимание звуковых запросов на английском языке
  • ответы текстом на вопросы по аудиовходу
  • исследование мультимодальных языковых моделей для работы со звуком

Ограничения

Карточка описывает версию как исследовательскую и не приводит численных оценок качества понимания аудио. Указанные в карточке результаты MMLU относятся к другим моделям и не подтверждают качество этой версии.

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

Model Details

We have developed and released the family llama3s. This family is natively understanding audio and text input.

We continual pretrain on the expanded vocabulary homebrewltd/llama3.2-3B-s-whispervq-init with 900M tokens from homebrewltd/raw-speech-whispervq-v1 dataset.

Model developers Homebrew Research.

Input Text and sound.

Output Text.

Model Architecture Llama-3.

Language(s): English.

Intended Use

Intended Use Cases This family is primarily intended for research applications. This version aims to further improve the LLM on sound understanding capabilities.

Out-of-scope The use of llama3-s in any manner that violates applicable laws or regulations is strictly prohibited.

Training process

Training Metrics Image: Below is a snapshot of the training loss curve visualized.

image/png

MMLU:

ModelMMLU Score
llama3.5-instruct-8b69.40
ichigo-llama3.1-s-v0.3: phase 363.79
ichigo-llama3.1-s-v0.3: phase 263.08
ichigo-llama3.1-s-base-v0.342.11
mini-ichigo-llama3.2-3B-s-instruct59.61
mini-ichigo-llama3.2-3B-s-base58.68
llama3.5-instruct-v0.250.27

Hardware

GPU Configuration: Cluster of 10x NVIDIA A6000-48GB.

GPU Usage:

  • Continual Training: 30 hours.

Training Arguments

We utilize torchtune library for the latest FSDP2 training code implementation.

ParameterContinual Training
Epoch1
Global batch size480
Learning Rate2e-4
Learning SchedulerLambdaLR with warmup
OptimizerAdamW fused
Warmup Steps80
Weight Decay0.01
Max Sequence Length512

Citation Information

BibTeX:

@article{Llama3-S: Sound Instruction Language Model 2024,
  title={Llama3-S},
  author={Homebrew Research},
  year=2024,
  month=August},
  url={https://huggingface.co/homebrewltd/llama3.1-s-2024-08-15}

Acknowledgement

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
feb7be2

0 моделей