/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
15 авг 2023

Ссылки

Hugging FacearXiv 2308.07074

InsTagger

OFA-Sys
Генерация текстаТекст → текст3 профессии

Дообученная на результатах InsTag модель LLaMA-2 для автоматической разметки запросов в данных SFT тегами инструкций.

38скачиваний за 30 дней23лайкавеса обновлены16 авг 2023

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.

Открыть конструктор бенчмарка

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

InsTagger — авторегрессионная языковая модель, разработанная OFA-Sys для автоматической разметки запросов тегами. Она предназначена для анализа данных supervised fine-tuning (SFT): модель присваивает запросам инструкции теги, обученные на результатах InsTag, чтобы помочь отбирать и изучать обучающие примеры. Авторы использовали такие теги для выборки данных и обучения моделей TagLM.

Модель основана на LLaMA-2, дообучена и имеет 6,6 млрд параметров. Это плотная архитектура LlamaForCausalLM с контекстом 2048 токенов; поддерживает английский язык и принимает текст, выдавая текстовую разметку. В README указана лицензия Apache-2.0. Модель можно запускать через FastChat с шаблоном Vicuna.

Сценарии применения

  • автоматическое присвоение тегов запросам в наборах SFT
  • анализ и категоризация инструкций для обучения LLM
  • отбор и выборочная разметка обучающих примеров для тонкой настройки

Ограничения

Предназначена для разметки запросов на английском языке и имеет контекст 2048 токенов. Качество тегирования зависит от соответствия запросов данным, на которых модель обучалась.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

InsTagger

InsTagger is an tool for automatically providing instruction tags by distilling tagging results from InsTag.

InsTag aims analyzing supervised fine-tuning (SFT) data in LLM aligning with human preference. For local tagging deployment, we release InsTagger, fine-tuned on InsTag results, to tag the queries in SFT data. Through the scope of tags, we sample a 6K subset of open-resourced SFT data to fine-tune LLaMA and LLaMA-2 and the fine-tuned models TagLM-13B-v1.0 and TagLM-13B-v2.0 outperform many open-resourced LLMs on MT-Bench.

Model Description

  • Model type: Auto-regressive Models
  • Language(s) (NLP): English
  • License: apache-2.0
  • Finetuned from model: LLaMa-2

Model Sources [optional]

Uses

This model is directly developed with FastChat. So it can be easily infer or serve with FastChat selecting the vicuna template.

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
261bb89

0 моделей

    Создать бенчмарк