/ Модель

Характеристики

Контекст
8 192 токена
Параметры
464 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
h2o-danube3-500m-base
Опубликована
16 июл 2024

massive

Генерация текстаТекст → текст4 профессии

Компактная дообученная модель семейства Llama для генерации англоязычного текста с контекстом до 8192 токенов.

22скачиваний за 30 дней0лайковвеса обновлены16 июл 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

appvoid/massive — дообученная языковая модель для генерации текста, созданная на основе h2oai/h2o-danube3-500m-base. В карточке указано, что базовая модель обучалась 2,5 эпохи на no-prompt-oasst; приведены также результаты оценивания на наборах ARC Challenge, HellaSwag и MMLU.

Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 464,4 млн параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста на английском языке. Распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • генерация продолжений англоязычного текста
  • создание диалоговых ответов
  • ответы на вопросы на английском языке
  • проверка базовых знаний и рассуждений с помощью ARC Challenge и MMLU
  • оценка понимания повседневных ситуаций с помощью HellaSwag

Ограничения

Небольшой размер модели ограничивает её возможности по сравнению с крупными языковыми моделями; приведённые результаты тестов сами по себе не подтверждают качество на широком круге пользовательских задач.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Uploaded model

base model pretrained on 2.5 epochs on no-prompt-oasst

hf (pretrained=appvoid/palmer-004-turbo-v1.2), gen_kwargs: (None), limit: None, num_fewshot: None, batch_size: 8

TasksVersionFiltern-shotMetricValueStderr
arc_challenge1none0acc↑0.3097±0.0135
none0acc_norm↑0.3464±0.0139
hellaswag1none0acc↑0.4660±0.0050
none0acc_norm↑0.6130±0.0049
mmlu1noneacc↑0.2728±0.0037
- humanities1noneacc↑0.2593±0.0064
- formal_logic0none0acc↑0.3175±0.0416
- high_school_european_history0none0acc↑0.2970±0.0357
- high_school_us_history0none0acc↑0.2941±0.0320
- high_school_world_history0none0acc↑0.2489±0.0281
- international_law0none0acc↑0.3306±0.0429
- jurisprudence0none0acc↑0.2685±0.0428
- logical_fallacies0none0acc↑0.2515±0.0341
- moral_disputes0none0acc↑0.2486±0.0233
- moral_scenarios0none0acc↑0.2380±0.0142
- philosophy0none0acc↑0.2797±0.0255
- prehistory0none0acc↑0.2593±0.0244
- professional_law0none0acc↑0.2555±0.0111
- world_religions0none0acc↑0.2339±0.0325
- other1noneacc↑0.2813±0.0080
- business_ethics0none0acc↑0.1700±0.0378
- clinical_knowledge0none0acc↑0.3434±0.0292
- college_medicine0none0acc↑0.3006±0.0350
- global_facts0none0acc↑0.3600±0.0482
- human_aging0none0acc↑0.1659±0.0250
- management0none0acc↑0.3883±0.0483
- marketing0none0acc↑0.2137±0.0269
- medical_genetics0none0acc↑0.2500±0.0435
- miscellaneous0none0acc↑0.2784±0.0160
- nutrition0none0acc↑0.2386±0.0244
- professional_accounting0none0acc↑0.2376±0.0254
- professional_medicine0none0acc↑0.4265±0.0300
- virology0none0acc↑0.3133±0.0361
- social sciences1noneacc↑0.2847±0.0081
- econometrics0none0acc↑0.2719±0.0419
- high_school_geography0none0acc↑0.3788±0.0346
- high_school_government_and_politics0none0acc↑0.2850±0.0326
- high_school_macroeconomics0none0acc↑0.3359±0.0239
- high_school_microeconomics0none0acc↑0.3361±0.0307
- high_school_psychology0none0acc↑0.3064±0.0198
- human_sexuality0none0acc↑0.2519±0.0381
- professional_psychology0none0acc↑0.2190±0.0167
- public_relations0none0acc↑0.3091±0.0443
- security_studies0none0acc↑0.2449±0.0275
- sociology0none0acc↑0.2388±0.0301
- us_foreign_policy0none0acc↑0.2800±0.0451
- stem1noneacc↑0.2731±0.0079
- abstract_algebra0none0acc↑0.1900±0.0394
- anatomy0none0acc↑0.1926±0.0341
- astronomy0none0acc↑0.2829±0.0367
- college_biology0none0acc↑0.2083±0.0340
- college_chemistry0none0acc↑0.3400±0.0476
- college_computer_science0none0acc↑0.3000±0.0461
- college_mathematics0none0acc↑0.3100±0.0465
- college_physics0none0acc↑0.2941±0.0453
- computer_security0none0acc↑0.2400±0.0429
- conceptual_physics0none0acc↑0.2553±0.0285
- electrical_engineering0none0acc↑0.2828±0.0375
- elementary_mathematics0none0acc↑0.2513±0.0223
- high_school_biology0none0acc↑0.2935±0.0259
- high_school_chemistry0none0acc↑0.2808±0.0316
- high_school_computer_science0none0acc↑0.2400±0.0429
- high_school_mathematics0none0acc↑0.2741±0.0272
- high_school_physics0none0acc↑0.3775±0.0396
- high_school_statistics0none0acc↑0.3194±0.0318
- machine_learning0none0acc↑0.2321±0.0401
piqa1none0acc↑0.7269±0.0104
none0acc_norm↑0.7242±0.0104
winogrande1none0acc↑0.5848±0.0138
GroupsVersionFiltern-shotMetricValueStderr
mmlu1noneacc↑0.2728±0.0037
- humanities1noneacc↑0.2593±0.0064
- other1noneacc↑0.2813±0.0080
- social sciences1noneacc↑0.2847±0.0081
- stem1noneacc↑0.2731±0.0079

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
d5d3198

0 моделей