/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
2,5 млрд
Размер весов
5 ГБ
Лицензия
Gemma
Архитектура
gemma · dense
Базовая модель
gemma-2b
Опубликована
11 июл 2024

Ссылки

Hugging Face

zephyr-2b-gemma-sft

ale-bay
Генерация текстаТекст → текст5 профессий

Дообученная на диалоговых данных модель Gemma 2B для генерации текста и ответов на запросы.

19скачиваний за 30 дней0лайковвеса обновлены11 июл 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

ale-bay/zephyr-2b-gemma-sft — дообученная модель генерации текста на базе Google Gemma 2B. Она предназначена для диалогов и ответов на запросы; каталог также отмечает поддержку чата. Модель содержит 2,5 млрд параметров, использует плотную архитектуру Gemma и принимает контекст длиной до 8192 токенов. Обучение выполнено методом SFT на наборе HuggingFaceH4/deita-10k-v0-sft; в README приведено значение loss 1,0529 на оценочной выборке.

Модель ориентирована на английский язык, как и базовая Gemma 2B. Карточка не описывает специальные предметные области и не приводит подробных оценок качества или ограничений. Лицензия — Gemma; условия лицензии следует учитывать при использовании и распространении модели.

Сценарии применения

  • ведение текстового диалога с пользователем
  • генерация ответов на вопросы
  • создание коротких текстов по запросу

Ограничения

README не приводит подробных ограничений и результатов оценки, кроме значения loss 1,0529 на оценочной выборке. Следует учитывать условия лицензии Gemma.

Для каких профессий подходит5

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 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

zephyr-2b-gemma-sft

This model is a fine-tuned version of google/gemma-2b on the HuggingFaceH4/deita-10k-v0-sft dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0529

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
0.96990.99832991.0448
0.89392.05991.0375
0.81912.99508971.0529

Framework versions

  • Transformers 4.42.3
  • Pytorch 2.3.1+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
b76846d

0 моделей

    Создать бенчмарк