/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
5,7 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Опубликована
8 июн 2024

Dorna-Llama3-8B-Instruct-Quantized4Bit

Генерация текстаТекст → текст5 профессий

Квантованная до 4 бит персидская чат-модель на основе Llama 3 для генерации ответов, кода и кратких изложений с меньшими требованиями к памяти.

54скачиваний за 30 дней11лайковвеса обновлены17 июн 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

amirMohammadi/Dorna-Llama3-8B-Instruct-Quantized4Bit — 4-битная квантованная версия Dorna-Llama3-8B-Instruct, модели с архитектурой decoder-only на основе Llama 3. Модель разработана для диалоговой генерации текста и специально дообучена на персидских данных. В репозитории указаны 7,5 млрд параметров, контекст до 8192 токенов и поддержка чата; Flash Attention 2 ускоряет инференс.

Квантование снижает требования к памяти: автор сообщает о запуске на GPU T4 с менее чем 15 ГБ видеопамяти через Transformers. Модель подходит для вопросов и ответов, генерации кода, математики, перефразирования и суммаризации. Приведённые в README оценки относятся к неквантованной версии Dorna-Llama3-8B-Instruct, поэтому напрямую не подтверждают качество этой квантованной сборки. Лицензия — llama3.

Сценарии применения

  • ответы на вопросы на персидском языке
  • персидский чат-бот общего назначения
  • генерация и объяснение кода
  • решение математических задач в диалоге
  • перефразирование персидского текста
  • суммаризация текстов на персидском языке

Ограничения

Оценки качества в README приведены для неквантованной версии, поэтому качество этой сборки ими напрямую не подтверждено. Указанные в README сценарии запуска зависят от доступной видеопамяти и используемой конфигурации.

Для каких профессий подходит5

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

Model Details

This Repository is a 4-bit quantized version of Dorna-Llama3-8B-Instruct model for efficient memory usage. Dorna model is a decoder-only model, specifically trained/fine-tuned on Persian data. Flash Attention 2 is also integrated for faster inference.

Benefits

  • Reduced Memory Usage: 4-bit quantization lowers memory requirements.
  • Faster Inference: Flash Attention 2 speeds up processing.
  • Easy Deployment: No need for additional libraries like LlamaCPP or Candle.
  • Ready to Use: Compatible with Langchain, Haystack, LlamaIndex 2, and more.
  • Google Colab Friendly: Can run on Google Colab free tier with T4 GPU (less than 15 GB of GPU RAM).

How to use

You can run conversational inference using the Transformers Auto classes with the generate() function. Let's look at an example.

import torch
import transformers
from transformers import AutoTokenizer, AutoModelForCausalLM

model_path = "amirMohammadi/Dorna-Llama3-8B-Instruct-Quantized4Bit"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "system",
     "content": "You are a helpful Persian assistant. Please answer questions in the asked language."},
    {"role": "user", "content": "اصفهان بزرگ تر است یا قم؟"},
]

input_ids = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to(model.device)

terminators = [
    tokenizer.eos_token_id,
    tokenizer.convert_tokens_to_ids("<|eot_id|>")
]

outputs = model.generate(
    input_ids,
    max_new_tokens=256,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
)
response = outputs[0][input_ids.shape[-1]:]
print(tokenizer.decode(response, skip_special_tokens=True))

Evaluation of Non-Quantized version

This model is evaluated on questions across various tasks, including Boolean Questions, Code Generation, Long Response, Math, News QA, Paraphrasing, General Knowledge, and Summarization. Most categories typically have two main difficulty levels: Hard and Easy.

Both human evaluation and automatic evaluation (with GPT-4 as the judge) are performed.

In both tables, Dorna-8B-it is used as an abbreviated form of Dorna-Llama3-8B-Instruct.

Overall human evaluation results are as follows:

Model PairsParametersWin %Lose %Tie %
Dorna-8B-it vs. Meta-Llama-3-8B-Instruct8B36.9417.3945.67
Dorna-8B-it vs. GPT 3.5 turbo-1106N.A.32.0126.9441.05
Dorna-8B-it vs. Persian Mind7B55.7710.4933.74

Category-based human evaluation results are as follows:

Win/Lose/Tie % is reported for each category.

Automatic evaluation results are as follows:

Model PairsParametersOverall Win Rate %Easy Win Rate %Hard Win Rate %
Dorna-8B-it vs. Llama 3 base8B58.9656.0064.49
Dorna-8B-it vs. Part Mistral7B77.2073.0085.05
Dorna-8B-it vs. Persian Mind7B90.8887.5097.20
Dorna-8B-it vs. Neuraorca Gemma 7b7B86.3286.5085.98
Dorna-8B-it vs. Maral 7b7B97.3997.0098.13
Dorna-8B-it vs. PersianLlama 7b7B98.7098.00100.00
Dorna-8B-it vs. Aya-23-8B8B52.7756.5045.79
Dorna-8B-it vs. Aya-23-35B35B45.9354.0030.84
Dorna-8B-it vs. Command R35B58.6361.0054.21

Contact us

If you have any questions regarding this model, you can reach us via the community on Hugging Face.

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
fe4f974

0 моделей