Uploaded model
- Developed by: famepram
- License: apache-2.0
- Finetuned from model : unsloth/qwen2.5-1.5b-bnb-4bit
This qwen2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 1,5 млрд
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- qwen2.5-1.5b-bnb-4bit
- Опубликована
- 3 дек 2024
Ссылки
qwen2.5-1b
Дообученная модель Qwen2 с 1,5 млрд параметров для генерации текста с контекстом до 131 072 токена.
262скачиваний за 30 дней0лайковвеса обновлены5 дек 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель famepram/qwen2.5-1b — дообученная языковая модель семейства Qwen2, разработанная famepram на основе unsloth/qwen2.5-1.5b-bnb-4bit. Она предназначена для генерации текста; карточка не уточняет специализацию дообучения или конкретные сценарии применения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Нативная длина контекста — 131 072 токена. Для обучения применялись Unsloth и библиотека TRL.
В метаданных указан английский язык. Модель распространяется по лицензии Apache 2.0. Карточка не приводит результатов оценки качества или сведений о специальных ограничениях, поэтому её пригодность для конкретных задач следует проверять на собственных данных.
Сценарии применения
- генерация ответов на текстовые запросы на английском языке
- составление черновиков и продолжение текста
- эксперименты с генерацией текста на компактной модели
- обработка длинных текстовых запросов
Ограничения
Карточка не уточняет специализацию дообучения и не приводит результатов оценки качества. Поддержка языков помимо английского не подтверждена.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.1Разработка и данныеАнализ требований и архитектура ПОAI помогает переводить потребности бизнеса в непротиворечивые требования и технические решения.20 задач18 191модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- 9855e1d