/ Модель

Характеристики

Контекст
8 192 токена
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-135M-Instruct
Библиотека
transformers
Опубликована
2 ноя 2024

SmolLM2-Prompt-Enhance

Генерация текстаТекст → текст4 профессии

Компактная англоязычная модель на базе SmolLM2-135M-Instruct для улучшения и переформулирования промптов.

44скачиваний за 30 дней10лайковвеса обновлены31 июл 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.

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

gokaygokay/SmolLM2-Prompt-Enhance — компактная англоязычная модель генерации текста, созданная дообучением HuggingFaceTB/SmolLM2-135M-Instruct. Она предназначена для улучшения и переформулирования пользовательских промптов. Модель построена на плотной архитектуре семейства Llama и содержит 134,5 млн параметров; максимальная длина контекста — 8192 токена. Для работы с моделью используется библиотека Transformers.

Модель подходит для автоматической доработки запросов перед передачей другой языковой модели, включая уточнение формулировок и повышение информативности промптов. В метаданных указаны английский язык и возможность диалогового взаимодействия. Весы хранятся в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • улучшение пользовательских промптов перед отправкой языковой модели
  • переформулирование коротких запросов для получения более точных ответов
  • уточнение инструкций для генеративных моделей
  • автоматическая доработка англоязычных запросов в диалоговом интерфейсе

Ограничения

Модель компактная, поэтому её возможности генерации могут быть ограничены по сравнению с более крупными языковыми моделями. Карточка не содержит сведений о бенчмарках или оценке качества.

Для каких профессий подходит4

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
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"
model_id = "gokaygokay/SmolLM2-Prompt-Enhance"
tokenizer_id = "HuggingFaceTB/SmolLM2-135M-Instruct"
# Load model and tokenizer
tokenizer = AutoTokenizer.from_pretrained(tokenizer_id )
model = AutoModelForCausalLM.from_pretrained(model_id).to(device)

# Model response generation functions
def generate_response(model, tokenizer, instruction, device="cpu"):
    """Generate a response from the model based on an instruction."""
    messages = [{"role": "user", "content": instruction}]
    input_text = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True
    )
    inputs = tokenizer.encode(input_text, return_tensors="pt").to(device)
    outputs = model.generate(
        inputs, max_new_tokens=256, repetition_penalty=1.2
    )
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return response

def print_response(response):
    """Print the model's response."""
    print(f"Model response:")
    print(response.split("assistant\n")[-1])
    print("-" * 100)

prompt = "cat"

response = generate_response(model, tokenizer, prompt, device)
print_response(response)

# a gray cat with white fur and black eyes is in the center of an open window on a concrete floor. 
# The front wall has two large windows that have light grey frames behind them. 
# here is a small wooden door to the left side of the frame at the bottom right corner. 
# A metal fence runs along both sides of the image from top down towards the middle ground.
# Behind the cats face away toward the camera's view it appears as if there is another cat sitting next to the one 
# they're facing forward against the glass surface above their head.

Training Script

https://colab.research.google.com/drive/1Gqmp3VIcr860jBnyGYEbHtCHcC49u0mo?usp=sharing

Citation and attribution

This model release is maintained by Gökay Aydoğan. If you reference this repository in academic work, please cite it as follows and also cite the upstream models, datasets, or projects it builds upon.

@software{aydogan2024smollm2_prompt_enhance,
  author = {Aydoğan, Gökay},
  title = {{SmolLM2-Prompt-Enhance}},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/gokaygokay/SmolLM2-Prompt-Enhance},
  note = {Model repository; cite the base model and upstream datasets as required.}
}

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
81cf717

0 моделей