/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
69 млрд
Размер весов
139 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
7 апр 2024

Ссылки

Hugging Face

SoftTiger-70b

TigerResearch
Генерация текстаТекст → текст7 профессий

Плотная языковая модель TigerResearch на архитектуре Llama с 69 млрд параметров для генерации текста на китайском и английском языках.

24скачиваний за 30 дней0лайковвеса обновлены7 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.

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

SoftTiger-70b — базовая языковая модель семейства TigerBot, представленная TigerResearch. Это плотная авторегрессионная модель на архитектуре Llama с 69 млрд параметров, предназначенная для генерации текста и использования в качестве основы для собственных LLM-приложений. В карточке описан запуск через Transformers и репозиторий TigerBot.

Модель принимает текст и генерирует текст; в метаданных указаны китайский и английский языки, а нативный контекст составляет 8192 токена. Веса опубликованы в формате Safetensors по лицензии Apache-2.0. README не приводит результатов оценки качества или более узкой специализации, поэтому применимость к конкретным задачам следует проверять отдельно.

Сценарии применения

  • генерация китайского текста
  • генерация английского текста
  • создание собственной LLM-системы на базе модели
  • прототипирование приложений с генерацией текста

Ограничения

README не содержит результатов бенчмарков и подробной оценки качества; пригодность для конкретных сценариев нужно проверять отдельно. Контекст ограничен 8192 токенами.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.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 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

快速开始

  • 方法1，通过transformers使用

    • 下载 TigerBot Repo

      git clone https://github.com/TigerResearch/TigerBot.git

    • 启动infer代码

      python infer.py --model_path TigerResearch/SoftTiger-70b

  • 方法2:

    • 下载 TigerBot Repo

      git clone https://github.com/TigerResearch/TigerBot.git

    • 安装git lfs： git lfs install

    • 通过huggingface下载权重

      git clone https://huggingface.co/TigerResearch/SoftTiger-70b

    • 启动infer代码

      python infer.py --model_path SoftTiger-70b

Quick Start

  • Method 1, use through transformers

    • Clone TigerBot Repo

      git clone https://github.com/TigerResearch/TigerBot.git

    • Run infer script

      python infer.py --model_path TigerResearch/SoftTiger-70b

  • Method 2:

    • Clone TigerBot Repo

      git clone https://github.com/TigerResearch/TigerBot.git

    • install git lfs： git lfs install

    • Download weights from huggingface

      git clone https://huggingface.co/TigerResearch/SoftTiger-70b

    • Run infer script

      python infer.py --model_path SoftTiger-70b

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2fe2216

0 моделей

    Создать бенчмарк