/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
24 дек 2023

Ссылки

Hugging FacearXiv 2312.04469

llama-2-7b-logit-watermark-distill-aar-k4

cygu
Генерация текстаТекст → текст

Дистиллированная Llama 2 7B генерирует текст с логитным водяным знаком по стратегии Aar k=4.

14скачиваний за 30 дней0лайковвеса обновлены1 мая 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

Это дистиллированная модель генерации текста на основе Llama 2 7B с логитным водяным знаком, использующая стратегию Aar с параметром k=4 из статьи «On the Learnability of Watermarks for Language Models». В метаданных указаны архитектура LlamaForCausalLM, 6,6 млрд параметров, контекст 4096 токенов и формат PyTorch. Модель предназначена для генерации текста с водяным знаком, в том числе для изучения и анализа методов водяной маркировки языковых моделей. Карточка не описывает языковое покрытие и конкретные показатели качества. Лицензия — llama2.

Сценарии применения

  • генерация текста с водяным знаком Aar k=4
  • изучение водяных знаков в языковых моделях
  • анализ обнаружимости водяных знаков в сгенерированном тексте

Ограничения

Карточка не сообщает языки и результаты оценки качества или обнаружения водяного знака; контекст ограничен 4096 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model description

Logits-based watermark distilled Llama 2 7B using the Aar \(k=4\) watermarking strategy in the paper On the Learnability of Watermarks for Language Models.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000

Framework versions

  • Transformers 4.29.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.13.1
  • Tokenizers 0.13.3

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
0407c7c

0 моделей

    Создать бенчмарк