/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
17,6 млн
Архитектура
llama · dense
Библиотека
transformers
Опубликована
28 апр 2024

TinyStories-LLaMA2-25M-256h-4l-GQA

Генерация текстаТекст → текст3 профессии

Компактная модель семейства LLaMA для генерации текста и экспериментов с небольшими языковыми моделями.

630скачиваний за 30 дней0лайковвеса обновлены28 апр 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

Mxode/TinyStories-LLaMA2-25M-256h-4l-GQA — компактная авторегрессионная языковая модель для генерации текста. Модель доступна через библиотеку Transformers и имеет задачу text-generation; её размер составляет 17,6 млн параметров, а нативная длина контекста — 2048 токенов. По идентификатору модель относится к семейству LLaMA 2 и использует Grouped Query Attention (GQA), однако README не содержит подробного подтверждения архитектуры, разработчика или состава обучающих данных.

Модель может использоваться для экспериментов с небольшими генеративными языковыми моделями, обучения и прототипирования text-generation на ресурсах с ограниченной памятью, а также для генерации коротких текстовых продолжений. README не содержит результатов оценки, описания целевых сценариев, сведений о поддерживаемых естественных языках и лицензии, поэтому пригодность для практических приложений и условия использования необходимо проверять отдельно.

Сценарии применения

  • генерация коротких текстовых продолжений
  • эксперименты с архитектурой LLaMA и GQA
  • обучение и прототипирование text-generation на малом числе ресурсов
  • тестирование инференса компактных языковых моделей

Ограничения

README не содержит результатов оценки, описания обучающих данных, поддерживаемых языков и лицензии. Небольшой размер модели может ограничивать качество и сложность генерируемого текста.

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 Card for Model ID

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
42d82ef

0 моделей