/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY 4.0
Архитектура
mistral · dense
Опубликована
14 фев 2024

eCeLLM-M

Генерация текстаТекст → текст3 профессии

eCeLLM-M — дообученная на инструкциях модель Mistral для диалоговых и генеративных задач в электронной коммерции.

29скачиваний за 30 дней9лайковвеса обновлены8 июл 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

eCeLLM-M — языковая модель NingLab для диалоговых и генеративных задач в электронной коммерции. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель дообучена методом instruction tuning на наборе NingLab/ECInstruct на основе Mistral-7B-Instruct-v0.2.

Модель предназначена для ответов на инструкции и запросы, связанные с электронной коммерцией, и может использоваться в чат-ассистентах и других сценариях генерации текста для этой области. В README не приведены конкретные оценки качества или перечень отдельных коммерческих задач. Лицензия репозитория — CC BY 4.0.

Сценарии применения

  • ответы чат-ассистента на запросы об электронной коммерции
  • генерация текста по инструкциям для торговых сценариев
  • создание диалоговых ответов для сервисов электронной коммерции

Ограничения

В README не приведены количественные оценки качества и подробные результаты по отдельным задачам электронной коммерции. Поддерживаемые языки отдельно не перечислены.

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

eCeLLM-M

This repo contains the models for "eCeLLM: Generalizing Large Language Models for E-commerce from Large-scale, High-quality Instruction Data"

eCeLLM Models

Leveraging ECInstruct, we develop eCeLLM by instruction tuning general-purpose LLMs (base models). The eCeLLM-M model is instruction-tuned from the large base models Mistral-7B Instruct-v0.2.

Citation

@inproceedings{
    peng2024ecellm,
    title={eCe{LLM}: Generalizing Large Language Models for E-commerce from Large-scale, High-quality Instruction Data},
    author={Bo Peng and Xinyi Ling and Ziru Chen and Huan Sun and Xia Ning},
    booktitle={Forty-first International Conference on Machine Learning},
    year={2024},
    url={https://openreview.net/forum?id=LWRI4uPG2X}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
c930223

0 моделей