/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
5 ГБ
Лицензия
Gemma
Архитектура
gemma · dense
Опубликована
1 апр 2024

odia-gemma-2b-base

Генерация текстаТекст → текст3 профессии

Базовая языковая модель на основе Gemma 2B, дообученная на текстах на одия для генерации и дальнейшей адаптации под целевые задачи.

64скачиваний за 30 дней0лайковвеса обновлены3 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

Odia-Gemma-2B-Base — предварительно обученная языковая модель команды OdiaGenAI, созданная на основе Google/Gemma 2B. Это плотная авторегрессионная модель-декодер с 2,5 млрд параметров и контекстом до 8192 токенов; обучение продолжено на 49 млн токенов датасета Culturex-Odia, отфильтрованной версии CulturaX с текстами на одия из mC4 и корпусов OSCAR. Модель предназначена для генерации текста на одия и английском и как основа для последующей настройки под конкретные задачи.

Это базовая, не настроенная на выполнение инструкций модель, поэтому для диалога и следования пользовательским запросам потребуется дообучение или подходящие примеры в контексте. В README также отмечено отсутствие механизмов модерации, из-за чего возможны вредные или неуместные продолжения. Веса опубликованы в формате Safetensors; лицензия — Gemma Terms of Use.

Сценарии применения

  • генерация текста на одия
  • продолжение текста на одия и английском
  • создание основы для дообучения на задачах для языка одия

Ограничения

Модель не настроена на выполнение инструкций; для диалога и специализированных задач рекомендуется дообучение или использование примеров в контексте. В модели нет механизмов модерации, поэтому она может генерировать вредный или неуместный текст.

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

odia-gemma-2b-base (Pre-trained)

Odia-Gemma-2B-Base is a pre-trained Odia large language model with 2 billion parameters, and it is based on Google/Gemma 2B. The model is pre-trained on the Culturex-Odia dataset, a filtered version of the original CulturaX dataset for Odia text. The training dataset contains 49 million tokens. The CulturaX-Odia dataset is sourced from mc4 and four distinct OSCAR corpora.

For more details about the model, data, training procedure, and evaluations, go through the blog post.

Model Description

  • Model type: A 2B pre-trained decoder-only model
  • Primary Language(s): Odia and English
  • License: Gemma Terms of Use

NOTE

This is not an instruction-tuned model, so it may not be able to follow human instructions without using one/few-shot learning or instruction fine-tuning. The model has no moderation mechanisms and may generate harmful or inappropriate responses. It is recommended to first fine-tune it on the task(s) you are interested in.

Citation Information

If you find this model useful, please consider giving 👏 and citing:

@misc{odia-gemma-2b-base,
  author = {Sambit Sekhar and Shantipriya Parida and Debasish Dhal and Guneet Singh Kohli},
  title = {OdiaGenAI Introduces Gemma 2B Pre-Trained LLM Catered to Odia Speakers},
  year = {2024},
  publisher = {Hugging Face},
  journal = {Hugging Face repository},
  howpublished = {\url{https://huggingface.co/OdiaGenAI}},
}

Contributions

  • Sambit Sekhar
  • Shantipriya Parida
  • Debasish Dhal
  • Guneet Singh Kohli

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
1b5cb64

0 моделей