/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Архитектура
llama · dense
Опубликована
18 ноя 2023

llama-7b-sft-float32

Генерация текстаТекст → текст3 профессии

Производная модели argsearch/llama-7b-rm-float32. Модель на архитектуре Llama с 6,6 млрд параметров для классификации текста.

27скачиваний за 30 дней0лайковвеса обновлены18 ноя 2023

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

Карточка модели argsearch/llama-7b-sft-float32 на Hugging Face совпадает с карточкой argsearch/llama-7b-rm-float32, поэтому описание составлено по ней.

argsearch/llama-7b-rm-float32 — модель классификации последовательностей на архитектуре Llama с 6,6 млрд параметров. Согласно README, она обучена с нуля на неизвестном наборе данных; дополнительных сведений о разработчике и обучении карточка не содержит. Модель предназначена для классификации текста и может применяться в сценариях, где требуется отнести входной текст к одному из классов.

Репозиторий содержит веса в формате Safetensors. Длина контекста составляет 2048 токенов. Данных о языках, лицензии, качестве и ограничениях применения нет, поэтому нельзя надёжно определить поддерживаемые языки или рекомендовать модель для конкретной предметной области.

Сценарии применения

  • классификация коротких текстов по категориям
  • отнесение текстовых последовательностей к классам

Ограничения

Обучающий набор данных неизвестен; сведения о качестве, поддерживаемых языках и лицензии отсутствуют. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

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

tmp_trainer

This model was trained from scratch 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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cu121
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
1582a25

0 моделей