Характеристики

Контекст: 131 072 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Лицензия: Apache 2.0
Архитектура: llama · dense
Базовая модель: meta-llama-3.1-8b-bnb-4bit
Опубликована: 27 дек 2024

Ссылки

Hugging Face

bgGPT-llama-3.1-8B

burgasdotpro

Генерация текстаТекст → текст3 профессии

Дообученная на болгарских данных модель Llama 3.1 8B для генерации развернутых ответов на вопросы.

19скачиваний за 30 дней1лайквеса обновлены19 янв 2025

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.

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

bgGPT-llama-3.1-8B — дообученная модель на базе Llama 3.1 8B, разработанная burgasdotpro. Модель предназначена для генерации ответов на болгарском языке; в README показан формат вопроса и ответа и приведён пример ответа о связях компании Burgas Professionals с профессиональной гимназией в Бургасе.

Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров. В README описано продолжение предобучения на синтетических данных и Википедии; обучение выполнялось с Unsloth и TRL. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Карточка показывает пример развернутого ответа, но не приводит результатов оценки качества. README описывает небольшие синтетические наборы данных и использование Википедии, поэтому надежность ответов по узким темам и актуальность сведений могут быть ограничены.

Сценарии применения

ответы на вопросы на болгарском языке
генерация развернутых ответов в формате вопрос—ответ
создание болгароязычного чат-бота
подготовка текстовых ответов о местных организациях и учреждениях

Ограничения

В README нет количественной оценки качества; описаны ограниченные синтетические данные и использование Википедии. Актуальность ответов может быть ограничена использованными данными обучения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Актуализиран 19.01.2025

Changed training params
Continued pretraining
Уикипедиа 20%

Актуализиран 18.01.2025

Changed training params
Updated wiki dataset
Updated synthetic dataset
Continued pretraining
Уикипедиа 5%

Актуализиран 15.01.2025

Changed training params
Updated dataset
Continued pretraining
Уикипедиа 10%

Актуализиран 10.01.2025

Changed training params
Continued pretraining
Уикипедиа 10%

Актуализиран 06.01.2025

Changed training params
Continued pretraining
Уикипедиа 10%

Актуализиран 03.01.2025

Continued pretraining
Уикипедиа 20%

Актуализиран 01.01.2025

Continued pretraining
Уикипедиа 10%

Актуализиран 30.12.2024

по-дълги отговори
по-подробна информация
по-дълбоко обучение
~2500 реда синтетични данни

~~Първите резултати, които не са лоши...~~ ~~Засега е тренирана върху моят малък датасет с 2000 реда синтетични данни (формат: въпрос-отговор)~~

Пример на работа

Въпрос:

Как компания Burgas Professionals е свързана с ПГМЕЕ?

Отговор:

Компания "Burgas Professionals" поддържа тесни връзки с Професионалната гимназия по мехатроника и електроенергетика (ПГМЕЕ) в Бургас. Тези връзки включват партньорства, лекции и обучителни програми, които помагат на учениците да развият умения в областта на информационните технологии и IT управление. Основната цел е да се осигури на младото поколение достъп до актуална информация и практически опит, който ще ги направи готови за бъдещата работна среда. Чрез тези партньорства ПГМЕЕ и Burgas Professionals работят заедно за развитие на технологиите в региона и за подготовка на нови поколения IT специалисти.

Тази llama модела тренирана 2 пъти по-бързо с помоща на Unsloth и TRL библиотеката на Huggingface.

Uploaded model

Developed by: burgasdotpro
License: apache-2.0
Finetuned from model : unsloth/meta-llama-3.1-8b-bnb-4bit

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: 7b76a97