/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,5 млрд
Архитектура
llama · dense
Опубликована
27 июн 2024

PyLlama3

Генерация текстаТекст → текст7 профессий

PyLlama3 — дообученная на задачах программирования модель Llama для генерации кода, отладки и решения многошаговых задач анализа данных.

12скачиваний за 30 дней5лайковвеса обновлены9 авг 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

PyLlama3 — языковая модель семейства Llama, созданная разработчиками PyBench путём дообучения Llama 3 на наборах PyInstruct, CodeActInstruct, CodeFeedback и корпусе Jupyter Notebook. Она предназначена для генерации кода и диалоговой работы с многошаговыми задачами программирования, включая анализ данных и отладку.

Модель имеет плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает сценарии анализа таблиц и текстов, работы с изображениями и аудио, сложных вычислений и разработки программ и сайтов; PyBench оценивает такие задачи с помощью тестов. Доступен формат PyTorch, лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация кода для анализа данных
  • отладка программ в диалоге с моделью
  • решение многошаговых задач в Jupyter Notebook
  • разработка программ и веб-сайтов
  • написание кода для обработки файлов, изображений и аудио

Ограничения

В предоставленных материалах не приведены независимые результаты оценки качества и условия лицензии. Для выполнения действий с файлами и внешней средой модель описана как компонент агента с интерпретатором кода.

Для каких профессий подходит7

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

This is the PyLlama3 model, fine-tuned for PyBench .

PyBench is a comprehensive benchmark evaluating LLM on real-world coding tasks including chart analysis, text analysis, image/ audio editing, complex math and software/website development.
We collect files from Kaggle, arXiv, and other sources and automatically generate queries according to the type and content of each file. As for evaluation, we design unit tests for each tasks.

Overview

Why PyBench?

The LLM Agent, equipped with a code interpreter, is capable of automatically solving real-world coding tasks, such as data analysis and image processing.

However, existing benchmarks primarily focus on either simplistic tasks, such as completing a few lines of code, or on extremely complex and specific tasks at the repository level, neither of which are representative of various daily coding tasks.

To address this gap, we introduce PyBench, a benchmark that encompasses 5 main categories of real-world tasks, covering more than 10 types of files. How PyBench Works

📁 PyInstruct

To figure out a way to enhance the model's ability on PyBench, we generate a homologous dataset: PyInstruct. The PyInstruct contains multi-turn interaction between the model and files, stimulating the model's capability on coding, debugging and multi-turn complex task solving. Compare to other Datasets focus on multi-turn coding ability, PyInstruct has longer turns and tokens per trajectory.

Data Statistics Dataset Statistics. Token statistics are computed using Llama-2 tokenizer.

🪄 PyLlama

We trained Llama3-8B-base on PyInstruct, CodeActInstruct, CodeFeedback, and Jupyter Notebook Corpus to get PyLlama3, achieving an outstanding performance on PyBench

🚀 Model Evaluation with PyBench!

Demonstration of the chat interface.

  • Detailed in 🚗Github

📊 LeaderBoard

LLM Leaderboard

📚 Citation

@misc{zhang2024pybenchevaluatingllmagent,
      title={PyBench: Evaluating LLM Agent on various real-world coding tasks}, 
      author={Yaolun Zhang and Yinxu Pan and Yudong Wang and Jie Cai and Zhi Zheng and Guoyang Zeng and Zhiyuan Liu},
      year={2024},
      eprint={2407.16732},
      archivePrefix={arXiv},
      primaryClass={cs.SE},
      url={https://arxiv.org/abs/2407.16732}, 
}

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
1176ecd

0 моделей