/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
1 ноя 2023

Llama-2-7b-samsum

Генерация текстаТекст → текст4 профессии

Дообученная на SAMSum модель Llama 2 для краткого пересказа англоязычных диалогов.

24скачиваний за 30 дней0лайковвеса обновлены24 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

SalmanFaroz/Llama-2-7b-samsum — языковая модель семейства Llama 2, разработанная на основе meta-llama/Llama-2-7b-chat-hf и дообученная автором карточки методом QLoRA на наборе диалогов SAMSum. Модель предназначена для суммаризации разговоров на английском языке: она принимает текст беседы и генерирует её краткое изложение.

Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст длиной до 4096 токенов. Указаны библиотека Transformers и формат весов PyTorch. Лицензия — MIT. Карточка не приводит сравнительных оценок качества, поэтому качество на других жанрах текста и языках не установлено.

Сценарии применения

  • краткий пересказ переписки
  • суммаризация разговоров и чатов
  • подготовка кратких заметок по диалогу

Ограничения

Модель дообучена на англоязычных диалогах SAMSum; качество на других языках и типах текста карточкой не подтверждено. Длина контекста ограничена 4096 токенами.

Для каких профессий подходит4

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

Llama-2-7b Fine-Tuned Summarization Model

Overview

The Llama-2-7b Fine-Tuned Summarization Model is a language model fine-tuned for the task of text summarization using QLora. It has been fine-tuned on the samsum dataset, which contains a wide variety of coversation.

Model Details

How to Use

You can use this model for text summarization tasks by utilizing the Hugging Face Transformers library. Here's a basic example in Python:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig

model_id =  "SalmanFaroz/Llama-2-7b-samsum"

bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_use_double_quant=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16
)

model = AutoModelForCausalLM.from_pretrained(model_id, quantization_config=bnb_config, device_map="auto")

tokenizer = AutoTokenizer.from_pretrained(model_id)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "right"

# Define the input prompt
prompt = """
Summarize the following conversation.

### Input:
Itachi: Kakashi, you must understand the gravity of the situation. The Akatsuki's plans are far more sinister than you can imagine.
Kakashi: Itachi, I need more than vague warnings. Tell me what you know.
Itachi: Very well. The Akatsuki seeks to capture Naruto for the power of the Nine-Tails sealed within him, but there's an even darker secret lurking within their goals.
Kakashi: Darker than that? What are they truly after?
Itachi: They're hunting the Tailed Beasts for a cataclysmic plan to reshape the world, and only we can stop them, together.

### Summary:
"""

inputs = tokenizer(prompt, return_tensors='pt')
output = tokenizer.decode(
    model.generate(
        inputs["input_ids"],
        max_new_tokens=100,
    )[0],
    skip_special_tokens=True
)

print("Output:",output)

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
81443ff

0 моделей