/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
TinyLlama-1.1B-Chat-v1.0
Опубликована
4 янв 2024

Ссылки

Hugging Face

TinyLlama-1.1B-Chat-v1.0-reasoning-v2

alexredna
Генерация текстаТекст → текст3 профессии

Дообученная на датасете generator чат-модель TinyLlama для генерации текста и диалоговых ответов с контекстом до 2048 токенов.

125скачиваний за 30 дней1лайквеса обновлены6 янв 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

alexredna/TinyLlama-1.1B-Chat-v1.0-reasoning-v2 — дообученная alexredna версия чат-модели TinyLlama/TinyLlama-1.1B-Chat-v1.0 на датасете generator. Модель предназначена для генерации текста и диалоговых ответов, включая сценарии рассуждения; в метаданных отмечена возможность chat.

Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1 млрд параметров. Она принимает текст, выдаёт текст и рассчитана на контекст до 2048 токенов. Веса доступны в формате safetensors.

Карточка сообщает значение loss 1.0186 на оценочном наборе, но не описывает его состав и методику, поэтому этот результат не позволяет судить о качестве в конкретных задачах. Модель унаследовала компактность базовой TinyLlama и подходит для экспериментов и диалоговых приложений с ограниченными вычислительными ресурсами. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • создание чат-бота на базе компактной языковой модели
  • эксперименты с генерацией текста на ограниченных вычислительных ресурсах

Ограничения

Карточка не раскрывает назначение и состав обучающего набора, методику оценки или известные ограничения поведения модели. Контекст ограничен 2048 токенами; приведённый loss сам по себе не подтверждает качество для конкретных сценариев.

Для каких профессий подходит3

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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TinyLlama-1.1B-Chat-v1.0-reasoning-v2

This model is a fine-tuned version of TinyLlama/TinyLlama-1.1B-Chat-v1.0 on the generator dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0186

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: 4e-05
  • train_batch_size: 10
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 10
  • total_train_batch_size: 100
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • num_epochs: 4

Training results

Training LossEpochStepValidation Loss
1.04561.03471.0360
0.97142.06951.0180
0.93353.010421.0176
0.93483.9913881.0186

Framework versions

  • Transformers 4.36.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.15.0

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
1224d95

0 моделей

    Создать бенчмарк