/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,7 млрд
Лицензия
CC BY-SA 4.0
Архитектура
llava_stablelm_epoch · dense
Опубликована
24 окт 2023

Obsidian-3B-V0.5

Генерация текстаТекст → текст3 профессии

Мультимодальная модель на 2,7 млрд параметров для генерации текста и диалоговых ответов на английском языке, включая заявленные ответы по изображениям.

249скачиваний за 30 дней184лайкавеса обновлены12 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Obsidian-3B-V0.5 — мультимодальная языковая модель с поддержкой изображений, разработанная Quan N. и Luigi D. (LDJ). Она предназначена для диалогов и ответов на вопросы по изображениям, а также для генерации текста. Модель построена на архитектуре LlavaStableLMEpochForCausalLM; её языковая основа — Capybara-3B-V1.9 на базе StableLM-3B-4e1t. Веса репозитория размещены в формате PyTorch.

Модель насчитывает 2,7 млрд параметров и поддерживает контекст до 4096 токенов. В README указано обучение по процедуре LLaVA 1.5 и формат диалога ChatML с разделителем `###`. Карточка описывает поддержку зрения, но метаданные указывают только задачу text-generation; возможности и качество обработки изображений не сопровождаются результатами тестов, поэтому характеристики зрительных сценариев следует считать ограниченно подтверждёнными.

Модель рассчитана на англоязычное использование. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • диалоговые ответы на английском языке
  • генерация текста в формате ChatML
  • ответы на вопросы о содержимом изображений
  • описание объектов и сцен на изображениях

Ограничения

В README указано, что результаты бенчмарков ещё не представлены; качество и возможности анализа изображений поэтому независимо не подтверждены. Заявленная поддержка зрения не отражена отдельной задачей в метаданных.

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

Obsidian: Worlds smallest multi-modal LLM. First multi-modal model in size 3B

Model Name: Obsidian-3B-V0.5

Obsidian is a brand new series of Multimodal Language Models. This first project is led by Quan N. and Luigi D.(LDJ).

Obsidian-3B-V0.5 is a multi-modal AI model that has vision! it's smarts are built on Capybara-3B-V1.9 based on StableLM-3B-4e1t. Capybara-3B-V1.9 achieves state-of-the-art performance when compared to model with similar size, even beats some 7B models.

Current finetuning and inference code is available on our GitHub repo: Here

Acknowledgement

Obsidian-3B-V0.5 was developed and finetuned by Nous Research, in collaboration with Virtual Interactive. Special thank you to LDJ for the wonderful Capybara dataset, and qnguyen3 for the model training procedure.

Model Training

Obsidian-3B-V0.5 followed the same training procedure as LLaVA 1.5

Prompt Format

The model followed ChatML format. However, with ### as the seperator

<|im_start|>user
What is this sign about?\n<image>
###
<|im_start|>assistant
The sign is about bullying, and it is placed on a black background with a red background.
###

Benchmarks

Coming Soon!

Citation:

@article{nguyen2023Obsidian-3B,
  title={Obsidian-3B: First Multi-modal below 7B Parameters.},
  author={Nguyen, Quan and Daniele},
  journal={HuggingFace:https://huggingface.co/NousResearch/Obsidian-3B-V0.5},
  year={2023}
}

Acknowledgements:

@article{daniele2023amplify-instruct,
  title={Amplify-Instruct: Synthetically Generated Diverse Multi-turn Conversations for Effecient LLM Training.},
  author={Daniele, Luigi and Suphavadeeprasit},
  journal={arXiv preprint arXiv:(comming soon)},
  year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура llava_stablelm_epoch неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaStableLMEpochForCausalLM
Ревизия весов
dd5e681

0 моделей