Дообученная чат-модель на базе Llama 3.1 для генерации текста и ответов на вопросы, с заявленной финансовой направленностью.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
cool9203/Llama3.1-8B-Chinese-Chat-iii_finance-ctx_1024 — дообученная плотная авторегрессионная чат-модель на архитектуре Llama 3.1, созданная на базе shenzhi-wang/Llama3.1-8B-Chinese-Chat. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов; README приводит параметр context_length 1024 для описанного режима обучения. Модель предназначена для генерации текста и ответов на вопросы с использованием предоставленного ответа или контекста; название репозитория указывает на финансовую специализацию, но README не раскрывает конкретные финансовые задачи или состав данных.
Карточка задаёт шаблон диалога с системными инструкциями, вопросом пользователя и ответом ассистента. Метаданные также отмечают чат-возможности и интерфейс вызова инструментов, однако примеров или подробностей реализации этих возможностей нет. Указан формат весов safetensors. Лицензия в доступных сведениях не приведена, поэтому условия использования установить нельзя.
README описывает режим обучения с context_length 1024, что существенно меньше контекста 131 072 токена, указанного в метаданных; поведение на финансовых задачах не подтверждено примерами или результатами оценки. Лицензия в доступных сведениях не приведена.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
learning_rate: 7e-6
epoch: 3
context_length: 1024
prompt:
[
{“role”: “system”, “content”: “從<Document>裡找到答案並利用該答案回答<Query>所敘述的問題”},
{“role”: “system”, “content”: “<Document>{Q}{A}</Document>”},
{“role”: “user”, “content”: “<Query>{Q}</Query>”},
{“role”: “assistant”, “content”: {A}},
]
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…