/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
13 млрд
Размер весов
26,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
24 авг 2023

Ссылки

Hugging Face

tigerbot-13b-base-v2

TigerResearch
Генерация текстаТекст → текст4 профессии

Базовая LLaMA-модель TigerResearch с 13 млрд параметров для генерации текста на китайском и английском языках.

60скачиваний за 30 дней7лайковвеса обновлены4 дек 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.

  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

TigerBot-13B-Base-v2 — базовая языковая модель семейства LLaMA, разработанная TigerResearch. Это плотная авторегрессионная модель с 13 млрд параметров для генерации текста и построения собственных LLM-приложений. Карточка описывает запуск через Transformers и рекомендует режим base.

Модель принимает текст и генерирует текст; указаны китайский и английский языки. Размер контекста — 2048 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard, включая средний балл 52,11, ARC и HellaSwag.

Модель распространяется по лицензии Apache-2.0. Это базовая модель, поэтому для диалогового поведения и специализированных задач может потребоваться дополнительная настройка; доступные сведения не описывают конкретных ограничений качества.

Сценарии применения

  • генерация продолжений текста
  • создание основы для собственной языковой модели
  • эксперименты с базовой LLM на китайском языке
  • генерация текста на английском языке

Ограничения

Контекст ограничен 2048 токенами. Модель указана как базовая; для диалоговых и специализированных сценариев может понадобиться дообучение.

Для каких профессий подходит4

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

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/tigerbot-13b-base-v2 --model_type base

  • 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或modelscope平台下载权重

      git clone https://huggingface.co/TigerResearch/tigerbot-13b-base-v2
git clone https://www.modelscope.cn/TigerResearch/tigerbot-13b-base-v2.git

    • 启动infer代码

      python infer.py --model_path tigerbot-13b-base-v2 --model_type base --max_generate_length 64

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/tigerbot-13b-base-v2 --model_type base

  • Method 2:

    • Clone TigerBot Repo

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

    • install git lfs： git lfs install

    • Download weights from huggingface or modelscope

      git clone https://huggingface.co/TigerResearch/tigerbot-13b-base-v2
git clone https://www.modelscope.cn/TigerResearch/tigerbot-13b-base-v2.git

    • Run infer script

      python infer.py --model_path tigerbot-13b-base-v2 --model_type base --max_generate_length 64

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.52.11
ARC (25-shot)53.84
HellaSwag (10-shot)77.05
MMLU (5-shot)53.57
TruthfulQA (0-shot)44.06
Winogrande (5-shot)74.98
GSM8K (5-shot)17.06
DROP (3-shot)44.21

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
698531f

0 моделей

    Создать бенчмарк