/ Модель

Характеристики

Контекст
8 192 токена
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-360M-Instruct
Библиотека
transformers
Опубликована
4 ноя 2024

SmolLM2-360M-Instruct-FT

Генерация текстаТекст → текст4 профессии

Компактная русскоязычная SFT-версия SmolLM2-360M-Instruct для диалогов и генерации текста.

29скачиваний за 30 дней2лайкавеса обновлены6 ноя 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

belyakoff/SmolLM2-360M-Instruct-FT — русскоязычная дообученная версия SmolLM2-360M-Instruct от HuggingFaceTB, подготовленная для диалогов и генерации текста. Модель имеет плотную архитектуру семейства Llama и содержит 361,8 млн параметров; для работы с контекстом поддерживает до 8192 токенов.

Модель подходит для локальных диалоговых сценариев и генерации ответов на русском языке. В карточке указано дообучение методом SFT на наборе Vikhrmodels/GrandMaster-PRO-MAX; также присутствует тег RAG, но конкретные возможности и инструкции по настройке RAG не описаны.

Модель распространяется в формате Safetensors по лицензии Apache-2.0. В README автор предупреждает, что изменение системного промпта может ухудшить поведение модели.

Сценарии применения

  • генерация ответов в русскоязычном чат-боте
  • локальные диалоги с инструктивной моделью
  • создание кратких текстовых ответов
  • прототипирование небольших приложений генерации текста

Ограничения

В README указано, что изменение системного промпта может привести к нестабильному поведению. Модель компактная и может уступать более крупным моделям в качестве ответов.

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

Versions

v1: SFT -- 7658aab7702e56d9f5fa3b33bf7adcdae92f536b

Example

from transformers import AutoModelForCausalLM, AutoTokenizer
checkpoint = "belyakoff/SmolLM2-360M-Instruct-FT"

device = "cuda" # for GPU usage or "cpu" for CPU usage
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
# for multiple GPUs install accelerate and do `model = AutoModelForCausalLM.from_pretrained(checkpoint, device_map="auto")`
model = AutoModelForCausalLM.from_pretrained(checkpoint).to(device)

messages = [{"role": "user", "content": "Столица России?"}]
input_text=tokenizer.apply_chat_template(messages, tokenize=False)
print(input_text)
inputs = tokenizer.encode(input_text, return_tensors="pt").to(device)
outputs = model.generate(inputs, max_new_tokens=50, temperature=0.2, top_p=0.9, do_sample=True)
print(tokenizer.decode(outputs[0]))
# Столица России — Москва. Это один из самых известных и культурно значимых городов в мире.

Limitations

Don't change system prompt. Changing system prompt will make the model go crazy.

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
4be0a6b

0 моделей