/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
2 дек 2024

Ссылки

Hugging Face

LLaMA-O1-Base-1127

SimpleBerry
Генерация текстаТекст → текст3 профессии

Экспериментальная базовая версия Llama 3.1 8B Instruct, дообученная SimpleBerry на longcot_pt и предназначенная для дальнейшего supervised training перед использованием.

38скачиваний за 30 дней18лайковвеса обновлены3 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.

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

SimpleBerry/LLaMA-O1-Base-1127 — дообученная компанией SimpleBerry языковая модель на базе meta-llama/Llama-3.1-8B-Instruct. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и работает с контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors, а основная задача — генерация текста; метаданные также отмечают поддержку диалогового режима.

Модель дообучена на наборе longcot_pt. В README указано, что перед практическим использованием ей требуется supervised training; для непосредственного применения автор рекомендует SimpleBerry/LLaMA-O1-Supervised-1129. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовой модели и набора данных.

Сценарии применения

  • дальнейшее supervised дообучение диалоговой языковой модели
  • эксперименты с генерацией текста на базе Llama 3.1
  • исследование подходов к обучению на longcot_pt

Ограничения

README предупреждает, что для использования модели необходимо supervised training, и рекомендует вместо неё версию LLaMA-O1-Supervised-1129. Лицензия обозначена как other; проверьте применимые условия базовой модели и обучающих данных.

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.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SimpleBerry/LLaMA-O1-Base-1127

This model is a fine-tuned version of meta-llama/Llama-3.1-8B-Instruct on the longcot_pt dataset.

Do not use this model without supervised training, please use LLaMA-O1-Supervised-1129 for directly usage.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 24
  • total_train_batch_size: 24
  • total_eval_batch_size: 192
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • num_epochs: 4.0

Training results

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.3.1
  • Datasets 3.1.0
  • Tokenizers 0.20.1

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
07b358e

0 моделей

    Создать бенчмарк