/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Размер весов
6,4 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B-Instruct
Библиотека
transformers
Опубликована
4 окт 2024

Ссылки

Hugging Face

full-train-b3

anthonymeo
Генерация текстаТекст → текст6 профессий

Дообученная Llama 3.2 3B Instruct для диалогов и генерации текста.

24скачиваний за 30 дней0лайковвеса обновлены6 окт 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

anthonymeo/full-train-b3 — дообученная модель на базе Meta Llama 3.2 3B Instruct для генерации текста и диалогов. Она содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и сохранена в формате Safetensors; заявленная длина контекста — 131 072 токена. Карточка сообщает о дообучении на наборе данных train и приводит значение loss 0,2533 на оценочном наборе.

Модель подходит для диалоговых сценариев и генерации текста. Метаданные также отмечают интерфейс вызова инструментов. README не раскрывает состав обучающих данных, конкретные целевые задачи настройки или результаты сравнения с базовой моделью. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории модели.

Сценарии применения

  • генерация ответов в диалоговом ассистенте
  • создание черновиков и продолжение текста
  • интеграция генерации текста в приложение
  • диалоговый вызов инструментов через совместимый интерфейс

Ограничения

README не описывает ограничения, обучающий набор или конкретные результаты по задачам; приведено только значение loss 0,2533. Лицензия обозначена как other, поэтому условия использования следует проверить в репозитории.

Для каких профессий подходит6

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 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sft2

This model is a fine-tuned version of meta-llama/Llama-3.2-3B-Instruct on the train dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2533

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.16531.54325000.2352

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.4.0
  • Datasets 2.21.0
  • Tokenizers 0.20.0

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
7ce081e

0 моделей

    Создать бенчмарк