/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,7 млрд
Размер весов
27,4 ГБ
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
14 дек 2023

open-llama-2-ko-7b

Генерация текстаТекст → текст3 профессии

Предобученная 6,7-миллиардная языковая модель на архитектуре Llama 2 для генерации текста, особенно на корейском языке.

47скачиваний за 30 дней38лайковвеса обновлены27 дек 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

Open-Llama-2-Ko-7B — авторегрессионная языковая модель Junbum Lee (Beomi), основанная на архитектуре Llama 2. Это предварительно обученная модель с 6,7 млрд параметров, расширенным корейским словарём из 46 336 токенов и контекстом 2048 токенов. Для обучения использовались общедоступные корейские корпуса AI Hub, Modu Corpus и корейская Википедия; объём обучения составил около 15 млрд токенов с расширенным токенизатором.

Модель принимает текст и генерирует текст. Она предназначена прежде всего для генерации и продолжения текста на корейском языке, а также поддерживает английский. Расширенный словарь улучшает токенизацию корейского текста по сравнению с исходным Llama 2. Модель распространяется в форматах PyTorch и Safetensors под лицензией MIT, с условиями Llama 2 Community License Agreement. Это базовая предобученная модель, а не настроенный чат-ассистент.

Сценарии применения

  • генерация текста на корейском языке
  • продолжение корейского текста
  • создание черновиков на корейском языке
  • генерация текста на английском языке

Ограничения

Контекст ограничен 2048 токенами; модель является базовой предобученной моделью, а не настроенным для диалога ассистентом.

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

Update Log

  • 2023.12.14: Initial Release of Open-Llama-2-Ko

Open-Llama-2-Ko 🦙🇰🇷

Open-Llama-2-Ko represents an advanced iteration of the Llama 2 model, featuring an expanded vocabulary and the inclusion of a Korean corpus for enhanced pretraining. Similar to its predecessor, Llama-2-Ko, this model operates within the range of generative text models, with parameter counts ranging from 7 billion to 70 billion. The focus of this repository is on the 7B pretrained version, designed to integrate seamlessly with the Hugging Face Transformers format.

The primary distinction between the Llama-2-Ko Series and Open-Llama-2-Ko lies in the dataset. Open-Llama-2-Ko exclusively utilizes publicly accessible Korean corpora, including sources such as AI Hub, Modu Corpus, 모두의 말뭉치, and Korean Wikipedia.

As training was conducted solely with publicly available corpora, this model is open for unrestricted use by everyone, adhering to the MIT License*.

*MIT License under LLAMA 2 COMMUNITY LICENSE AGREEMENT

Model Details

Model Developers: Junbum Lee (Beomi)

Variations: Open-Llama-2-Ko will be available in different parameter sizes — 7B and 13B — along with various pretrained options.

Input: The model accepts only text input.

Output: The model produces text output exclusively.

Model Architecture:

Open-Llama-2-Ko is an auto-regressive language model that leverages an optimized transformer architecture derived from Llama-2.

Training DataParametersContent LengthGQATokensLearning Rate
Llama 2A curated mix of Publicly Accessible Korean Corpora7B2k✘>15B*5e-5

Training Corpus

The model was trained using selected datasets from AIHub and Modu Corpus. Detailed information about the training datasets is available below:

  • AI Hub: corpus/AI_HUB
    • Only the Training segment of the data was used.
    • The Validation and Test segments were deliberately excluded.
  • Modu Corpus: corpus/MODU_CORPUS

The final JSONL dataset used to train this model is approximately 61GB in size.

Total token count: Approximately 15 billion tokens (*using the expanded tokenizer. With the original Llama tokenizer, >60 billion tokens.)

Vocab Expansion

Model NameVocabulary SizeDescription
Original Llama-232000Sentencepiece BPE
Expanded Llama-2-Ko46336Sentencepiece BPE. Added Korean vocab and merges

Tokenizing "안녕하세요, 오늘은 날씨가 좋네요."

ModelTokens
Llama-2['▁', '안', '<0xEB>', '<0x85>', '<0x95>', '하', '세', '요', ',', '▁', '오', '<0xEB>', '<0x8A>', '<0x98>', '은', '▁', '<0xEB>', '<0x82>', '<0xA0>', '씨', '가', '▁', '<0xEC>', '<0xA2>', '<0x8B>', '<0xEB>', '<0x84>', '<0xA4>', '요']
Llama-2-Ko['▁안녕', '하세요', ',', '▁오늘은', '▁날', '씨가', '▁좋네요']

Tokenizing "Llama 2: Open Foundation and Fine-Tuned Chat Models"

ModelTokens
Llama-2['▁L', 'l', 'ama', '▁', '2', ':', '▁Open', '▁Foundation', '▁and', '▁Fine', '-', 'T', 'un', 'ed', '▁Ch', 'at', '▁Mod', 'els']
Llama-2-Ko['▁L', 'l', 'ama', '▁', '2', ':', '▁Open', '▁Foundation', '▁and', '▁Fine', '-', 'T', 'un', 'ed', '▁Ch', 'at', '▁Mod', 'els']

LICENSE

MIT License under LLAMA 2 COMMUNITY LICENSE AGREEMENT

Model Benchmark

LM Eval Harness - Korean (polyglot branch)

TBD

Citation

TBD

Acknowledgements

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
05d3501

0 моделей