/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
1 мая 2024

Ссылки

Hugging Face

still-cooking-temp-0.5-distilled-code-llama

anudaw
Генерация текстаТекст → текст3 профессии

Дообученная компактная модель Llama для генерации текста; её специализация и качество не описаны.

22скачиваний за 30 дней0лайковвеса обновлены2 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.

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

anudaw/still-cooking-temp-0.5-distilled-code-llama — дообученная причинно-авторегрессионная модель семейства Llama с примерно 1 млрд параметров. В карточке указано, что она создана на основе одноимённого репозитория, но описание, назначение и обучающие данные не раскрыты, поэтому специализированные сценарии применения подтвердить нельзя.

Модель поддерживает генерацию текста и имеет контекст длиной 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Оценки качества и сведения о конкретных ограничениях в карточке отсутствуют.

Сценарии применения

  • генерация текста с контекстом до 2048 токенов
  • эксперименты с компактными языковыми моделями
  • тестирование генерации текста в приложениях

Ограничения

Карточка не раскрывает назначение, обучающий датасет, оценку качества и поддерживаемые языки; применять модель для конкретных задач без собственной проверки рискованно. Контекст ограничен 2048 токенами.

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 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

still-cooking-temp-0.5-distilled-code-llama

This model is a fine-tuned version of anudaw/still-cooking-temp-0.5-distilled-code-llama on an unknown dataset.

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: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant
  • lr_scheduler_warmup_ratio: 0.03
  • num_epochs: 3

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.3.0+cu121
  • Datasets 2.19.0
  • 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
LlamaForCausalLM
Ревизия весов
f751593

0 моделей

    Создать бенчмарк