/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
26 окт 2024

Ссылки

Hugging Face

Llama-3.1-ARC-Potpourri-Transduction-8B

barc0
Генерация текстаТекст → текст8 профессий

Дообученная Llama 3.1 8B Instruct для диалоговой генерации текста и задач трансдукции.

95скачиваний за 30 дней1лайквеса обновлены27 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

Модель barc0/Llama-3.1-ARC-Potpourri-Transduction-8B — дообученная версия Meta Llama 3.1 8B Instruct, созданная на пяти наборах данных по трансдукции, включая задачи ReARC и задачи с описаниями, сгенерированными GPT-4 и GPT-4o-mini. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров, опубликованная в формате safetensors для библиотеки Transformers; заявленное окно контекста — 131 072 токена.

Модель предназначена для диалоговой генерации текста и решения задач трансдукции, где требуется преобразовать входные данные в заданный выходной формат. Карточка также отмечает интерфейс вызова инструментов, однако подробные сценарии применения и результаты оценки, кроме значения loss 0,0219 на оценочном наборе, не описаны.

Модель распространяется по лицензии Llama 3.1. Карточка не содержит сведений о поддерживаемых естественных языках или конкретных ограничениях качества; как и другие генеративные модели, её ответы требуют проверки, особенно при использовании кода или структурированных преобразований.

Сценарии применения

  • Преобразование входных данных в требуемую структуру или формат
  • Решение задач набора ReARC
  • Генерация кода для задач трансдукции по текстовому описанию
  • Диалоговое решение задач преобразования данных

Ограничения

В карточке приведено мало сведений о предполагаемом использовании и оценке модели; указан только loss 0,0219 без описания протокола оценки. Сгенерированные преобразования и код следует проверять на корректность.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

engineer1-heavy-barc-llama3.1-8b-ins-fft-transduction_lr1e-5_epoch3

This model is a fine-tuned version of meta-llama/Meta-Llama-3.1-8B-Instruct on the barc0/transduction_heavy_100k_jsonl, the barc0/transduction_heavy_suggestfunction_100k_jsonl, the barc0/transduction_rearc_dataset_400k, the barc0/transduction_angmented_100k-gpt4-description-gpt4omini-code_generated_problems and the barc0/transduction_angmented_100k_gpt4o-mini_generated_problems datasets. It achieves the following results on the evaluation set:

  • Loss: 0.0219

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: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • total_eval_batch_size: 64
  • 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

Training results

Training LossEpochStepValidation Loss
0.03781.037290.0330
0.02342.074580.0227
0.01163.0111870.0219

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.4.0+cu121
  • Datasets 3.0.2
  • Tokenizers 0.19.1

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
f4c4f24

0 моделей

    Создать бенчмарк