/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
499 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
28 мар 2024

llama-600M-rus

Генерация текстаТекст → текст3 профессии

Экспериментальная русскоязычная модель Llama на 498,6 млн параметров для генерации текста, экспериментов и дальнейшего обучения.

218скачиваний за 30 дней3лайкавеса обновлены20 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

demetera/llama-600M-rus — экспериментальная русскоязычная языковая модель семейства Llama, созданная автором с нуля и предварительно обученная на художественных книгах. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM; метаданные указывают около 498,6 млн параметров, контекст до 2048 токенов и формат safetensors. Для работы предусмотрена библиотека Transformers.

Модель генерирует текст по текстовой подсказке и рассчитана на эксперименты и дальнейшее обучение. Автор характеризует её генерацию как любительскую, но в некоторой степени связную с учётом объёма обучающих токенов. Лицензия — MIT.

Сценарии применения

  • генерация продолжения художественного текста на русском языке
  • эксперименты с небольшой русскоязычной языковой моделью
  • использование чекпойнта для дальнейшего обучения

Ограничения

Автор отмечает, что качество генерации любительское и зависит от объёма обучающих токенов. Контекст ограничен 2048 токенами.

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

llama-600M-rus

Simple and customized amateur experimental model pretrained on the text fiction books from the scratch (updating the model regularly). It could generate amateur, but more or less adequate output as well (in respect of training tokens). The work can be used as a checkpoint for the further training or for experiments.

Simple usage example:

from transformers import LlamaTokenizerFast, LlamaForCausalLM
model = LlamaForCausalLM.from_pretrained('demetera/llama-600M-rus')
tokenizer = LlamaTokenizerFast.from_pretrained('demetera/llama-600M-rus')

prompt = "Я вышел и улицу и"
inputs = tokenizer(prompt, return_tensors='pt')
outputs = model.generate(inputs.input_ids, attention_mask = inputs.attention_mask, max_new_tokens=250, do_sample=True, top_k=50, top_p=0.95)

print (tokenizer.decode(outputs[0], skip_special_tokens=True))

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
582ae81

0 моделей