/ Модель

Характеристики

Контекст
8 192 токена
Параметры
98,6 млрд
Размер весов
141 ГБ
Лицензия
MIT
Архитектура
llama · dense
Опубликована
6 авг 2024

RYS-Llama-3-Huge-Instruct

Генерация текстаТекст → текст9 профессий

Экспериментальная чат-модель на базе Llama 3 70B Instruct для генерации текста и выполнения инструкций.

25скачиваний за 30 дней2лайкавеса обновлены14 авг 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,2289

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4208

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,6481

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2609

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,7686

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,511

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RYS-Llama-3-Huge-Instruct — экспериментальная чат-модель на архитектуре Llama, представленная dnhkng. В README она описана как вариант Meta Llama 3 70B Instruct, полученный с помощью нового метода оптимизации; метаданные указывают на 98,6 млрд параметров, контекст 8192 токена и формат safetensors.

Модель предназначена для диалоговой генерации текста и следования инструкциям. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Автор отмечает, что работа над описанием метода оптимизации ещё продолжается, поэтому результаты и подход следует считать исследовательскими. Лицензия — MIT.

Сценарии применения

  • ответы на инструкции в диалоге
  • генерация связного текста
  • тестирование чат-моделей
  • оценка следования инструкциям
  • эксперименты с оптимизацией больших языковых моделей

Ограничения

Метод оптимизации описан как новая техника, а публикация о нём ещё готовится. README не сообщает результатов для широкого набора задач; приведённые оценки не гарантируют качество в прикладных сценариях.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is a new kind of model optimization. This model is based on Meta's Llama-3 70B Instruct.

A paper on the technique is currently being written.

This research was supported with hardware from the appliedAI Institute, whose goal is to generate and communicate high-quality knowledge about trustworthy AI.

Usage with Transformers AutoModelForCausalLM

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "dnhkng/RYS-Llama-3-Huge-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]

input_ids = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to(model.device)

terminators = [
    tokenizer.eos_token_id,
    tokenizer.convert_tokens_to_ids("<|eot_id|>")
]

outputs = model.generate(
    input_ids,
    max_new_tokens=256,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
)
response = outputs[0][input_ids.shape[-1]:]
print(tokenizer.decode(response, skip_special_tokens=True))

ADVERTISING BREAK

I’m on the hunt for new challenges and a chance to dive into some exciting research opportunities. Oh, and did I mention I just snagged a top spot on the Open LLM leaderboard? 🎉

Profile

Innovation enthusiast, AI strategist, and interdisciplinary-tech nerd – that's me! With over a decade of experience in research and project management, my professional journey has been largely shaped by my passion for artificial intelligence and its potential to transform various industries. With a solid background in artificial intelligence and machine learning, coupled with a knack for innovation and problem-solving (and a healthy dose of curiosity), I'm excited to bring my skills to a new team.

Originally from Australia, where I earned my degrees in Organic Chemistry and Biochemistry, I moved to Germany in 2004. My academic pursuit continued with a PhD in Chemistry at the Max Planck Institute of Biochemistry. Today, I leverage my robust educational background and diverse industry experience to drive AI innovations in a wide range of applications. Hobbies? Lots: I've also built the world's most powerful espresso machine and am working to bring GLaDOS to life.


I'm based out of Munich, Germany, but I would be interested in working remotely for a team with more compute than my 2x 4090s 🚀

Reach out via LinkedIn - Dr David Noel Ng

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.34.37
IFEval (0-Shot)76.86
BBH (3-Shot)49.07
MATH Lvl 5 (4-Shot)21.22
GPQA (0-shot)1.45
MuSR (0-shot)11.93
MMLU-PRO (5-shot)45.66

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
cc05b81

0 моделей