/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
53,9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Опубликована
20 июл 2023

Ссылки

Hugging Face

llama2_7b_chat_uncensored

georgesung
Генерация текстаТекст → текст3 профессии

Дообученная на неотфильтрованных диалогах Llama 2 7B для генерации открытых чат-ответов.

460скачиваний за 30 дней415лайковвеса обновлены22 июн 2026

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

Модель georgesung/llama2_7b_chat_uncensored — дообученная автором Georgesung версия Llama 2 7B для диалоговой генерации текста. Она обучена методом QLoRA в течение одной эпохи на неотфильтрованном наборе диалогов Wizard-Vicuna и использует формат запросов с метками HUMAN и RESPONSE. Репозиторий содержит модель в формате Hugging Face fp16; архитектура — плотная причинно-следственная LlamaForCausalLM с 6,6 млрд параметров и контекстом 2048 токенов.

Модель предназначена для открытых диалоговых ответов и генерации текста без фильтрации, характерной для некоторых чат-моделей. Её можно применять для экспериментов с диалоговыми ассистентами и локального запуска при наличии совместимой инфраструктуры Transformers. В карточке приведены результаты оценивания на наборах ARC и HellaSwag, но они сами по себе не гарантируют качество в иных сценариях. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели и у правообладателей базовой Llama 2.

Сценарии применения

  • создание диалогового ассистента с открытыми ответами
  • генерация продолжений диалога в формате HUMAN/RESPONSE
  • эксперименты с дообучением чат-моделей
  • локальная генерация текста на базе Llama 2

Ограничения

Контекст ограничен 2048 токенами; модель обучалась одну эпоху, поэтому качество может зависеть от запроса и сценария. Лицензия обозначена как other, а неотфильтрованные ответы могут включать нежелательный или вредный контент.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Overview

Fine-tuned Llama-2 7B with an uncensored/unfiltered Wizard-Vicuna conversation dataset (originally from ehartford/wizard_vicuna_70k_unfiltered). Used QLoRA for fine-tuning. Trained for one epoch on a 24GB GPU (NVIDIA A10G) instance, took ~19 hours to train.

The version here is the fp16 HuggingFace model.

GGML & GPTQ versions

Thanks to TheBloke, he has created the GGML and GPTQ versions:

Running in Ollama

https://ollama.com/library/llama2-uncensored

Prompt style

The model was trained with the following prompt style:

### HUMAN:
Hello

### RESPONSE:
Hi, how are you?

### HUMAN:
I'm fine.

### RESPONSE:
How can I help you?
...

Training code

Code used to train the model is available here.

To reproduce the results:

git clone https://github.com/georgesung/llm_qlora
cd llm_qlora
pip install -r requirements.txt
python train.py configs/llama2_7b_chat_uncensored.yaml

Fine-tuning guide

https://www.georgesung.com/ai/qlora-ift

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.43.39
ARC (25-shot)53.58
HellaSwag (10-shot)78.66
MMLU (5-shot)44.49
TruthfulQA (0-shot)41.34
Winogrande (5-shot)74.11
GSM8K (5-shot)5.84
DROP (3-shot)5.69

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
e613bcb

0 моделей

    Создать бенчмарк