ELYZA-japanese-Llama-2-7b-instruct-GPTQ-4bit-64g
GPTQ model for "elyza/ELYZA-japanese-Llama-2-7b-instruct" : 4bits, gr64, desc_act=True
Характеристики
- Контекст
- 4 096 токенов
- Параметры
- 6,6 млрд
- Лицензия
- Llama 2
- Архитектура
- llama · dense
- Опубликована
- 30 авг 2023
Ссылки
ELYZA-japanese-Llama-2-7b-instruct-GPTQ-4bit-64g
Квантизированная 4-битная модель Llama на японском языке для генерации текста и выполнения инструкций.
114скачиваний за 30 дней4лайкавеса обновлены30 авг 2023
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
TFMC/ELYZA-japanese-Llama-2-7b-instruct-GPTQ-4bit-64g — квантизированная GPTQ-версия модели ELYZA-japanese-Llama-2-7b-instruct, подготовленная сообществом TFMC. Это плотная авторегрессионная языковая модель архитектуры LlamaForCausalLM примерно на 6,6 млрд параметров; веса представлены в safetensors, квантизация — 4-битная с группой 64 и desc_act=True. Модель предназначена для генерации текста и ответов в формате инструкций на японском языке.
Нативный контекст составляет 4096 токенов. Квантизация уменьшает требования к памяти по сравнению с полной точностью, сохраняя назначение исходной instruct-модели. Карточка указывает лицензию llama2; условия использования следует сверять с лицензией Llama 2.
Сценарии применения
- ответы на инструкции и вопросы на японском языке
- генерация японского текста
- запуск instruct-модели Llama при ограниченной видеопамяти
Ограничения
Контекст ограничен 4096 токенами. 4-битная квантизация может влиять на качество относительно исходной модели; характеристик этого влияния в карточке нет.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 16e1c7c