/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
37 ГБ
Лицензия
Gemma
Архитектура
gemma2 · dense
Базовая модель
gemma-2-9b
Библиотека
transformers
Опубликована
22 дек 2024

wiroai-turkish-llm-9b

Генерация текстаТекст → текст9 профессий

Дообученная на турецких инструкциях диалоговая модель Gemma 2 9B для генерации текста, ответов на вопросы и суммаризации с учётом турецкого языка и контекста.

78скачиваний за 30 дней36лайковвеса обновлены31 янв 2025

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.

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

WiroAI/wiroai-turkish-llm-9b — текстовая диалоговая модель WiroAI для генерации и преобразования текста на турецком языке. Это дообученная методом SFT модель Google Gemma 2 9B с архитектурой decoder-only transformer; в README указано, что при настройке использовался LoRA без квантизации и более 500 тысяч турецких инструкций. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors по лицензии Gemma.

Модель предназначена для ответов на вопросы, суммаризации, редактирования и анализа текста, а также задач, требующих знания турецкого языка, культуры и местного контекста. README приводит результаты на турецких вариантах бенчмарков MMLU, TruthfulQA, ARC, HellaSwag, GSM8K и WinoGrande. Для лучших результатов рекомендуется давать ясные структурированные инструкции; ответы следует проверять в критичных сценариях, а ресурсы оценивать перед развёртыванием. В карточке заявлена поддержка турецкого и других распространённых языков, но отдельные языки помимо турецкого не перечислены.

Сценарии применения

  • генерация и редактирование текстов на турецком языке
  • ответы на вопросы по-турецки
  • суммаризация турецких документов
  • анализ и преобразование турецкого текста
  • диалоговый помощник с учётом турецкой культуры и идиом

Ограничения

Для лучших результатов нужны ясные структурированные инструкции; ответы в критичных сценариях следует проверять. Перед развёртыванием необходимо оценить потребность в вычислительных ресурсах.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🚀 Meet with WiroAI/wiroai-turkish-llm-9b! A robust language model with more Turkish language and culture support! 🚀

🌟 Key Features

  • Fine-tuned with 500,000+ high-quality Turkish instructions
  • LoRA method was used for fine-tuning without quantization.
  • Adapted to Turkish culture and local context
  • Built on Google's cutting-edge Gemma architecture

📝 Model Details The model is the Turkish-speaking member of Google's innovative Gemma model family. This model has been trained using Supervised Fine-Tuning (SFT) on carefully curated high-quality Turkish instructions. This model demonstrates superior performance in Turkish language processing tasks.

🔧 Technical Specifications

  • Architecture: Decoder-only transformer
  • Base Model: Google Gemma 2 9B
  • Training Data: 500,000+ specially selected Turkish instructions
  • Language Support: Turkish (with comprehensive local context understanding) and other common languages.

💡 Use Cases

  • Text Generation and Editing
  • Question Answering
  • Summarization
  • Analysis and Reasoning
  • Content Transformation
  • Turkish Natural Language Processing Tasks
  • Turkish Culture

🚀 Advantages

Local Understanding: Ability to comprehend Turkish culture, idioms, and current events Resource Efficiency: Effective operation even with limited hardware resources Flexible Deployment: Usable on desktop, laptop, or custom cloud infrastructure Open Model: Transparent and customizable architecture

🌍 About Google Gemma 2

Gemma is Google's family of lightweight, state-of-the-art open models, developed using the same research and technology used to create the Gemini models. These models are designed to be deployable in environments with limited resources, making AI technology accessible to everyone.

📈 Performance and Limitations

While the model demonstrates high performance in Turkish language tasks, users should consider the following:

  • Use clear and structured instructions for best results.
  • Verify model outputs for critical applications.
  • Evaluate resource requirements before deployment.
  • Be aware that benchmarks below are represented in certain conditions and results can be replicated. Condition choices are explained below the table.

Benchmark Scores

ModelsMMLU TRTruthfulQA TRARC TRHellaSwag TRGSM8K TRWinoGrande TRAverage
WiroAI/wiroai-turkish-llm-9b59.849.953.757.066.860.658.0
selimc/OrpoGemma-2-9B-TR53.054.352.452.064.858.955.9
Metin/Gemma-2-9b-it-TR-DPO-V151.354.752.651.267.155.255.4
CohereForAI/aya-expanse-8b52.352.849.356.761.359.255.3
ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.152.057.651.053.059.858.055.2
google/gemma-2-9b-it51.853.052.251.563.056.254.6
Eurdem/Defne-llama3.1-8B52.951.247.151.659.957.553.4
WiroAI/wiroai-turkish-llm-8b52.449.550.15457.557.053.4
meta-llama/Meta-Llama-3-8B-Instruct52.249.244.249.256.056.751.3

Models Benchmarks are tested with

lm_eval --model_args pretrained=<model_path> --tasks mmlu_tr_v0.2,arc_tr-v0.2,gsm8k_tr-v0.2,hellaswag_tr-v0.2,truthfulqa_v0.2,winogrande_tr-v0.2

Please see https://github.com/malhajar17/lm-evaluation-harness_turkish and note that we move forward with default language inference which is the same approach in OpenLLMLeaderboard v2.0

Usage

Transformers Pipeline

import transformers
import torch


model_id = "WiroAI/wiroai-turkish-llm-9b"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

pipeline.model.eval()
instruction = "Bana İstanbul ile alakalı bir sosyal medya postu hazırlar mısın?"

messages = [
    {"role": "user", "content": f"{instruction}"}
]

prompt = pipeline.tokenizer.apply_chat_template(
    messages, 
    tokenize=False, 
    add_generation_prompt=True
)

terminators = [
    pipeline.tokenizer.eos_token_id,
    pipeline.tokenizer.convert_tokens_to_ids("<end_of_turn>")
]

outputs = pipeline(
    prompt,
    max_new_tokens=512,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.9,
)

print(outputs[0]["generated_text"][len(prompt):])
İstanbul'un büyüsüne kapılın! :city_sunset:
Halk arasında "dünyanın masalı şehri" olarak bilinen İstanbul, her köşesinde tarih, kültür ve modern yaşamın bir araya geldiği eşsiz bir şehir.
Yüzyıllardır farklı medeniyetlerin izlerini taşıyan İstanbul, tarihi mekanlarından, müzelerinden, çarşılarından ve restoranlarından oluşan zengin kültürel mirasa sahiptir.
Boğaz'ın eşsiz manzarasında tekne turu yapmak, Topkapı Sarayı'nı ziyaret etmek, Grand Bazaar'da alışveriş yapmak, Mısır Çarşısı'nın canlı atmosferinde kaybolmak, Galata Kulesi'nden muhteşem bir manzara deneyimlemek veya Beyoğlu'nun hareketli sokaklarında yürüyüş yapmak İstanbul'da unutulmaz anılar yaratmak için fırsatlar sunar.
İstanbul'un büyülü atmosferini kendiniz yaşamak için hemen planınızı yapın! :flag-tr: #İstanbul #Türkiye #Seyahat #Tarih #Kültür #Gezi

🤝 License and Usage

This model is provided under Google's Gemma license. Please review and accept the license terms before use.

📫 Contact and Support

For questions, suggestions, and feedback, please open an issue on HuggingFace or contact us directly from our website.

Citation

@article{WiroAI,
  title={WiroAI/wiroai-turkish-llm-9b},
  author={Abdullah Bezir, Furkan Burhan Türkay, Cengiz Asmazoğlu},
  year={2024},
  url={https://huggingface.co/WiroAI/wiroai-turkish-llm-9b}
}
@article{gemma_2024,
    title={Gemma},
    url={https://www.kaggle.com/m/3301},
    DOI={10.34740/KAGGLE/M/3301},
    publisher={Kaggle},
    author={Gemma Team},
    year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
186a705

0 моделей