Слитая модель Llama на 12,9 млрд параметров для генерации текста, в том числе кода по текстовым запросам.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Undi95/Nous-Hermes-13B-Code — языковая модель генерации текста на архитектуре Llama с 12,9 млрд параметров. Она создана слиянием Nous-Hermes-Llama2-13b с LoRA-адаптером для кода из jondurbin/airoboros-lmoe-13b-2.1/adapters/code: README указывает веса слияния 0,70 и 0,30 соответственно.
Модель предназначена для генерации кода и другого текста по текстовым запросам. Контекст составляет до 4096 токенов; репозиторий содержит веса PyTorch. По приведённым сведениям нельзя установить поддерживаемые естественные языки или конкретные языки программирования.
Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование. Результаты оценки в README приведены для отдельных бенчмарков и сами по себе не гарантируют качество на пользовательских задачах.
Контекст ограничен 4096 токенами; поддерживаемые языки и качество для конкретных задач программирования в доступных сведениях не уточняются. Лицензия CC-BY-NC-4.0 не разрешает коммерческое использование.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
(0.70) NousResearch/Nous-Hermes-Llama2-13b & (0.30) jondurbin/airoboros-lmoe-13b-2.1/adapters/code
Nous-Hermes-Llama2-13b merged with a LoRA at 0.30 weight.
Detailed results can be found here
| Metric | Value |
|---|---|
| Avg. | 51.98 |
| ARC (25-shot) | 61.18 |
| HellaSwag (10-shot) | 83.21 |
| MMLU (5-shot) | 55.13 |
| TruthfulQA (0-shot) | 50.56 |
| Winogrande (5-shot) | 75.14 |
| GSM8K (5-shot) | 10.39 |
| DROP (3-shot) | 28.28 |
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…