/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26,3 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
12 мар 2024

yunsung-llama-2-koen-13b-linkbricks-sft-basic-v1

Генерация текстаТекст → текст6 профессий

Инструкционная модель Llama 2 на 12,9 млрд параметров для генерации ответов и диалога на корейском и английском языках.

19скачиваний за 30 дней0лайковвеса обновлены5 дек 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

Модель создана доктором Юнсоном Джи (Saxo), специалистом по данным компании Linkbricks, на основе beomi/llama-2-koen-13b. Это 12,9-миллиардная плотная языковая модель семейства Llama 2, дообученная методом SFT на инструкциях в формате Alpaca. В карточке указаны обучение с использованием LoRA и конфигурация с int4-квантизацией; в репозитории опубликованы веса safetensors.

Модель предназначена для генерации ответов на инструкции и диалогового взаимодействия на корейском и английском языках. Её контекст составляет 2048 токенов. Обучение проводилось на наборах данных с корейскими инструкциями и диалогами, включая KoAlpaca, Korean OpenOrca-Platypus и локальный набор Linkbricks.

Модель распространяется по лицензии Apache-2.0. Ограничения включают короткий контекст и зависимость качества ответов от обучающих данных; карточка не приводит оценок качества или специальных мер для снижения ошибок.

Сценарии применения

  • ответы на инструкции на корейском языке
  • корейский чат-бот общего назначения
  • генерация текста на корейском и английском языках
  • ответы на вопросы и выполнение типовых текстовых запросов
  • создание диалогового помощника на базе Llama 2

Ограничения

Контекст ограничен 2048 токенами. Карточка не приводит оценок качества; ответы могут зависеть от состава обучающих данных.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

AI 와 빅데이터 분석 전문 기업인 Linkbricks의 데이터사이언티스트인 지윤성 박사(Saxo)가 beomi/llama-2-koen-13b 베이스모델을 GCP상의 A100-40G 4개를 통해 SFT 훈련을 한(2048 Tokens) 인스트럭션 모델. Accelerate, Deepspeed Zero-3 라이브러리를 사용했으며 Flash Attention 은 Disable 로 설정

Dr. Yunsung Ji (Saxo), a data scientist at Linkbricks, a company specializing in AI and big data analytics, trained the beomi/llama-2-koen-13b base model on 4 A100-40Gs on GCP for 4 hours of instructional training (2048 Tokens). Accelerate, Deepspeed Zero-3 libraries were used.

www.linkbricks.com, www.linkbricks.vc

Configuration including BitsandBytes


learning_rate = 2e-4 num_epochs = 5 batch_size = 4 block_size = 2048 trainer = "sft" warmup_ratio = 0.1 weight_decay = 0.01 gradient_accumulation = 4 mixed_precision = "fp16" peft = True quantization = "int4" lora_r = 64 lora_alpha = 16 lora_dropout = 0.1 model_max_length = 2048

Dataset Format

Alpaca Format Prompt Text

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f3f2713

0 моделей