/ Модель

Характеристики

Контекст
8 192 токена
Параметры
13,4 млрд
Размер весов
27,8 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Библиотека
transformers
Опубликована
7 мая 2024

Meta-Llama-3-13B-Instruct

Генерация текстаТекст → текст12 профессий

Диалоговая модель Llama на 13,4 млрд параметров для генерации текста и ассистентских ответов с контекстом до 8192 токенов.

387скачиваний за 30 дней1лайквеса обновлены7 мая 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

Meta-Llama-3-13B-Instruct — диалоговая текстовая модель на архитектуре Llama, созданная автором репозитория путём объединения слоёв модели meta-llama/Meta-Llama-3-8B-Instruct с помощью MergeKit. Несмотря на название, в метаданных указано 13,4 млрд параметров; модель представлена в формате safetensors и работает с контекстом до 8192 токенов.

Модель предназначена для диалоговой генерации текста и ассистентских ответов. В карточке заявлен английский язык; базовая модель Meta также рассчитана на генерацию английского текста. Для использования применяется библиотека Transformers. Лицензия обозначена как other, поэтому конкретные условия следует сверить с карточкой репозитория и условиями базовой модели.

Сценарии применения

  • генерация ответов в англоязычном чате
  • создание текстового ассистента
  • подготовка черновиков и продолжение текста

Ограничения

В README описано объединение слоёв одной базовой модели, но нет результатов оценки качества, поэтому характеристики поведения не подтверждены бенчмарками. Лицензия указана как other; перед применением следует проверить условия базовой модели и репозитория.

Для каких профессий подходит12

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

Meta-Llama-3-13B-Instruct

Meta-Llama-3-13B-Instruct is a meta-llama/Meta-Llama-3-8B-Instruct self-merge made with MergeKit.

Configuration

The following YAML configuration was used to produce this model:

slices:
- sources:
  - layer_range: [0, 16]
    model: meta-llama/Meta-Llama-3-8B-Instruct
- sources:
  - layer_range: [4, 24]
    model: meta-llama/Meta-Llama-3-8B-Instruct
- sources:
  - layer_range: [8, 31]
    model: meta-llama/Meta-Llama-3-8B-Instruct
merge_method: passthrough
dtype: float16

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "andrijdavid/Meta-Llama-3-13B-Instruct"

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

messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]

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))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
474e750

0 моделей