/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
26 сен 2024

MiniLLM-Llama-7B

Генерация текстаТекст → текст3 профессии

Дистиллированная модель Llama с 6,6 млрд параметров для генерации ответов на текстовые запросы и экспериментов с инструктивными моделями.

432скачиваний за 30 дней3лайкавеса обновлены30 окт 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

MiniLLM/MiniLLM-Llama-7B — исследовательская модель генерации текста на архитектуре Llama, разработанная как дистилляция Llama-13B на наборе databricks-dolly-15k. В репозитории представлены веса PyTorch с 6,6 млрд параметров; контекст — 2048 токенов. README описывает оценку ответов на инструктивных запросах из Dolly, Self-Instruct и Vicuna с помощью GPT-4.

Модель предназначена для генерации ответов на текстовые запросы и экспериментов с обучением и оценкой инструктивных моделей. Для инициализации PPO-оптимизации MiniLLM требуется SFT-модель. Поддерживаемый язык по данным карточки — английский. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов на английские инструкции
  • эксперименты с дистилляцией языковых моделей
  • оценка качества ответов на запросы из наборов инструкций

Ограничения

Для запуска PPO-оптимизации требуется SFT-модель для инициализации. Контекст ограничен 2048 токенами.

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

MiniLLM-Llama-7B

paper | code

MiniLLM-Llama-7B is a Llama-7B model distilled from Llama-13B on databricks-dolly-15k

Note: MiniLLM requires an SFT model for initilization to perform the PPO optimization.

Evaluation

We ask GPT-4 to give scores for the generated responses of MiniLLM. The prompts are taken from databricks-dolly-15k (test set), self-instruct, and vicuna

Baseline Models

Citation

@inproceedings{minillm,
  title={MiniLLM: Knowledge Distillation of Large Language Models},
  author={Gu, Yuxian and Dong, Li and Wei, Furu and Huang, Minlie},
  booktitle={Proceedings of ICLR},
  year={2024}
}

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
21c53d1

0 моделей