Uploaded model
- Developed by: balrogbob
- License: apache-2.0
- Finetuned from model : openlm-research/open_llama_3b_v2
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 8 192 токена
- Параметры
- 3,3 млрд
- Размер весов
- 6,9 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Базовая модель
- open_llama_3b_v2
- Опубликована
- 13 июл 2024
Ссылки
open_llama_3b_v2-python-instruct-0.1
Дообученная на инструкционных данных модель LLaMA с 3,3 млрд параметров для генерации текста и помощи с Python.
25скачиваний за 30 дней0лайковвеса обновлены13 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
balrogbob/open_llama_3b_v2-python-instruct-0.1 — дообученная balrogbob языковая модель на базе openlm-research/open_llama_3b_v2. Это плотная авторегрессионная архитектура LLaMA с 3,3 млрд параметров, предназначенная для генерации текста и выполнения инструкций, связанных с Python. Модель обучалась с использованием Unsloth и библиотеки TRL; поддерживает контекст до 8192 токенов и ориентирована на английский язык.
Модель подходит для генерации и продолжения текста, а также для помощи с Python-кодом в диалоговых или инструкционных сценариях. Распространяется в формате Safetensors по лицензии Apache-2.0.
Сценарии применения
- генерация фрагментов кода на Python
- ответы на вопросы о Python
- выполнение текстовых инструкций, связанных с программированием
- продолжение и дополнение текста
Ограничения
Карточка не приводит результаты оценки качества или подробности обучающих данных; возможности в основном заявлены для инструкционных сценариев с Python.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 68ab354