/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
5 окт 2024

LongWriter-llama3.1-8b-imatrix-GGUF

Генерация текстаТекст → текст3 профессии

duyntnet/LongWriter-llama3.1-8b-imatrix-GGUF — набор квантованных GGUF-версий модели LongWriter-llama3.1-8b, исходно разработанной THUDM на базе Meta-Llama-3.1-8B.

993скачиваний за 30 дней1лайквеса обновлены5 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Формат предназначен для локального запуска и совместим с llama.cpp, KoboldCPP, text-generation-webui и Ollama.

Модель относится к генеративным текстовым моделям и предназначена прежде всего для создания очень длинных текстов: заявлена возможность генерировать более 10 000 слов за один запуск. В качестве сценариев приводятся написание подробных материалов, например путеводителей. Указан английский язык; другие языки в карточке не заявлены. В примерах используется контекст до 32 768 токенов и генерация до 32 768 новых токенов, однако фактические требования к памяти и производительность зависят от выбранной квантованной версии и оборудования.

Ключевое преимущество модели — ориентация на длинную связную генерацию и наличие GGUF-квантований, упрощающих запуск на совместимом локальном оборудовании. Ограничения включают специализацию преимущественно на английском языке, возможное снижение качества из-за квантования и отсутствие в карточке подробных результатов оценки, точных характеристик отдельных вариантов и описания мультимодальных возможностей; модель является текстовой. Лицензия указана как other, без дополнительных условий в README.

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

Quantizations of https://huggingface.co/THUDM/LongWriter-llama3.1-8b

Inference Clients/UIs


From original readme

LongWriter-llama3.1-8b is trained based on Meta-Llama-3.1-8B, and is capable of generating 10,000+ words at once.

Environment: transformers>=4.43.0

Please ahere to the prompt template (system prompt is optional): <<SYS>>\n{system prompt}\n<</SYS>>\n\n[INST]{query1}[/INST]{response1}[INST]{query2}[/INST]{response2}...

A simple demo for deployment of the model:

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
tokenizer = AutoTokenizer.from_pretrained("THUDM/LongWriter-llama3.1-8b", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("THUDM/LongWriter-llama3.1-8b", torch_dtype=torch.bfloat16, trust_remote_code=True, device_map="auto")
model = model.eval()
query = "Write a 10000-word China travel guide"
prompt = f"[INST]{query}[/INST]"
input = tokenizer(prompt, truncation=False, return_tensors="pt").to(device)
context_length = input.input_ids.shape[-1]
output = model.generate(
    **input,
    max_new_tokens=32768,
    num_beams=1,
    do_sample=True,
    temperature=0.5,
)[0]
response = tokenizer.decode(output[context_length:], skip_special_tokens=True)
print(response)

You can also deploy the model with vllm, which allows 10,000+ words generation within a minute. Here is an example code:

model = LLM(
    model= "THUDM/LongWriter-llama3.1-8b",
    dtype="auto",
    trust_remote_code=True,
    tensor_parallel_size=1,
    max_model_len=32768,
    gpu_memory_utilization=0.5,
)
tokenizer = model.get_tokenizer()
generation_params = SamplingParams(
    temperature=0.5,
    top_p=0.8,
    top_k=50,
    max_tokens=32768,
    repetition_penalty=1,
)
query = "Write a 10000-word China travel guide"
prompt = f"[INST]{query}[/INST]"
input_ids = tokenizer(prompt, truncation=False, return_tensors="pt").input_ids[0].tolist()
outputs = model.generate(
    sampling_params=generation_params,
    prompt_token_ids=[input_ids],
)
output = outputs[0]
print(output.outputs[0].text)

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
d877d39

0 моделей