/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
Llama-2-7b-hf
Опубликована
21 фев 2024

RoLlama2-7b-Base-2024-05-14

Генерация текстаТекст → текст3 профессии

Базовая румынскоязычная модель OpenLLM-Ro на основе Llama 2 для генерации текста и дальнейшей адаптации к задачам NLP.

42скачиваний за 30 дней4лайкавеса обновлены4 июн 2026

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

RoLlama2-7b-Base-2024-05-14 — базовая генеративная языковая модель OpenLLM-Ro, созданная продолжительным предобучением Meta Llama 2 на румынском корпусе CulturaX. Это плотная трансформерная модель архитектуры Llama с 6,6 млрд параметров и контекстом до 4096 токенов. Она предназначена для генерации текста на румынском языке и для дальнейшей адаптации к различным задачам обработки естественного языка; это базовая модель, а не чат-ассистент, настроенный на выполнение инструкций.

Модель ориентирована на исследования и разработку румынскоязычных приложений. Лицензия — Llama 2 Community License Agreement; README ограничивает заявленное применение румынским языком и требует соблюдать условия лицензии и применимые законы.

Сценарии применения

  • генерация текста на румынском языке
  • продолжение румынского текста по заданному началу
  • адаптация базовой модели к румынскоязычным NLP-задачам

Ограничения

Модель является базовой, а не настроенной на инструкции или диалог; для ассистентских сценариев может потребоваться дополнительное дообучение. README указывает на применение для румынского языка.

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

RoLlama2 is a family of pretrained and fine-tuned generative text models for Romanian. This is the repository for the foundational 7B model. Links to other models can be found at the bottom of this page.

Model Details

Model Description

OpenLLM represents the first open-source effort to build a LLM specialized for Romanian. OpenLLM-Ro developed and publicly releases a collection of Romanian LLMs, both in the form of foundational model and instruct and chat variants.

  • Developed by: OpenLLM-Ro
  • Language(s): Romanian
  • License: Llama2 Community License Agreement
  • Continual pretrained from model: Llama-2-7b
  • Trained using: CulturaX

Model Sources

Intended Use

Intended Use Cases

RoLlama2 is intented for research use in Romanian. Base models can be adapted for a variety of natural language tasks while instruction and chat tuned models are intended for assistant-like chat.

Out-of-Scope Use

Use in any manner that violates the license, any applicable laws or regluations, use in languages other than Romanian.

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("OpenLLM-Ro/RoLlama2-7b-Base-2024-05-14")
model = AutoModelForCausalLM.from_pretrained("OpenLLM-Ro/RoLlama2-7b-Base-2024-05-14")

input_text = "Mihai Eminescu a fost "
input_ids = tokenizer(input_text, return_tensors="pt")

outputs = model.generate(**input_ids, max_new_tokens=100)
print(tokenizer.decode(outputs[0]))

Academic Benchmarks

Downstream Tasks

RoLlama2 Model Family

ModelLink
RoLlama2-7b-Base-2024-05-14link
RoLlama2-7b-Instruct-2024-05-14link
RoLlama2-7b-Instruct-2024-10-09link
RoLlama2-7b-Instruct-DPO-2024-10-09link

Citation

@inproceedings{masala-etal-2024-vorbesti,
    title = "``Vorbe\c{s}ti Rom{\^a}ne\c{s}te?'' A Recipe to Train Powerful {R}omanian {LLM}s with {E}nglish Instructions",
    author = "Masala, Mihai and Ilie-Ablachim, Denis and Dima, Alexandru and Corlatescu, Dragos Georgian and Zavelca, Miruna-Andreea and Olaru, Ovio and Terian, Simina-Maria and Terian, Andrei and Leordeanu, Marius and Velicu, Horia and Popescu, Marius and Dascalu, Mihai and Rebedea, Traian",
    editor = "Al-Onaizan, Yaser and Bansal, Mohit and Chen, Yun-Nung",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2024",
    month = nov,
    year = "2024",
    address = "Miami, Florida, USA",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.findings-emnlp.681/",
    doi = "10.18653/v1/2024.findings-emnlp.681",
    pages = "11632--11647"
}

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
e97b2d6

0 моделей