/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
CC BY-NC-ND 4.0
Архитектура
llama · dense
Опубликована
27 ноя 2023

SlimOrca-13B

Генерация текстаТекст → текст8 профессий

SlimOrca-13B — дообученная на диалогах SlimOrca модель Llama 2 для англоязычной генерации текста и ответов на вопросы.

74скачиваний за 30 дней11лайковвеса обновлены4 мар 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.

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

SlimOrca-13B — языковая модель общего назначения, разработанная ajibawa-2023 и дообученная на базе Llama 2 от Meta на очищенной версии набора SlimOrca от Open-Orca. Это полная настройка 12,9-миллиардной плотной модели LlamaForCausalLM; модель распространяется в формате PyTorch и рассчитана на контекст до 4096 токенов.

Модель предназначена для генерации текста без обязательного системного промпта: она отвечает на вопросы, включая задания с выбором ответа, пишет статьи по краткому содержанию, анализирует тональность, сопоставляет контекст и гипотезу, составляет отзывы и генерирует художественные тексты. В карточке также заявлена генерация откровенного и нецензурированного контента. Обучение проводилось на 517 981 наборе диалогов SlimOrca и SlimOrca-ShareGPT; автор отмечает использование формата ShareGPT/Vicuna v1.1.

Модель ориентирована на английский язык. Лицензия CC-BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях лицензии. Карточка приводит результаты отдельных тестов, но не даёт полного описания методики, поэтому они не позволяют гарантировать качество в конкретном сценарии; ответы могут содержать ошибки, а заявленная генерация откровенного контента требует осторожного применения.

Сценарии применения

  • ответы на вопросы с вариантами ответа
  • написание статьи по краткому содержанию
  • анализ тональности текста
  • сопоставление контекста и гипотезы
  • составление отзывов
  • генерация художественных и откровенных текстов

Ограничения

Модель может ошибаться, а приведённые в карточке тестовые результаты не гарантируют качество для конкретного применения. Лицензия CC-BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных версий.

Для каких профессий подходит8

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

SlimOrca-13B: A General Purpose Intelligent Model

This Model is trained on refined version of SlimOrca made available by Open-Orca team. The idea was to check how this Model will perform in the absence of "system" prompt/instruction. This Model is very good in various types of General Purpose content generation such as Q&A (including multiple choice), Articles from Summary, Sentiment Analysis, Context & Hypothesis, Reviews, Erotic story generation etc. It can also generate Uncensored content. Kindly be careful while generating Uncensored content as you will be responsible for what you generate.

It is trained on 517981 set of conversations. Each set having 2 conversations. I have shared this data.

All the credit goes to the Open-Orca team for releasing SlimOrca dataset.

Training: Entire dataset was trained on Azure 4 x A100 80GB. For 3 epoch, training took almost 11 Days. DeepSpeed codebase was used for training purpose. Entire data is trained on Llama-2 by Meta.

This is a full fine tuned model. Links for quantized models are given below.

GPTQ GGML & AWQ

GPTQ: Link

GGUF: Link

AWQ: Link

Special Thanks to TheBloke for making these models available.

Example Prompt:

This is a conversation with your Assistant. It is a computer program designed to help you with various tasks such as answering questions, providing recommendations, and helping with decision making. You can ask it anything you want and it will do its best to give you accurate and relevant information.

Context
You are a helpful AI assistant.

USER: <prompt>
ASSISTANT:

You can modify above Prompt as per your requirement. I have used ShareGPT/Vicuna format v1.1 .

I want to say special Thanks to the Open Source community for helping & guiding me to better understand the AI/Model development.

Thank you for your love & support.

Example Output

Example 1

Example 1

Example 2

Example 2

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.60.39
AI2 Reasoning Challenge (25-Shot)60.15
HellaSwag (10-Shot)81.40
MMLU (5-Shot)57.04
TruthfulQA (0-shot)49.37
Winogrande (5-shot)74.43
GSM8k (5-shot)39.95

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
b9d06d5

0 моделей