/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
21 июл 2023

llama-2-7b-guanaco-instruct-sharded

Генерация текстаТекст → текст7 профессий

Диалоговая модель Llama на 6,6 млрд параметров, дообученная на OpenAssistant Guanaco для генерации ответов на инструкции.

60скачиваний за 30 дней8лайковвеса обновлены21 июл 2023

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

guardrail/llama-2-7b-guanaco-instruct-sharded — разговорная языковая модель на архитектуре Llama, дообученная с помощью QLoRA на наборе timdettmers/openassistant-guanaco. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Репозиторий содержит веса safetensors, разбитые на части для загрузки в Google Colab; в README рекомендуется запуск через Transformers с 4-битной загрузкой.

Модель насчитывает 6,6 млрд параметров и имеет контекст длиной 2048 токенов. В метаданных указана лицензия Apache-2.0. Карточка не сообщает, для каких языков она рассчитана, поэтому языковую специализацию определить нельзя.

Сценарии применения

  • ответы на вопросы в диалоговом формате
  • генерация ответов на пользовательские инструкции
  • создание прототипа чат-бота
  • эксперименты с запуском Llama в Google Colab

Ограничения

Контекст ограничен 2048 токенами. В карточке не заявлены конкретные языки или специализированные возможности помимо генерации текста.

Для каких профессий подходит7

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

Model that is fine-tuned in 4-bit precision using QLoRA on timdettmers/openassistant-guanaco and sharded to be used on a free Google Colab instance that can be loaded with 4bits.

It can be easily imported using the AutoModelForCausalLM class from transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
          "guardrail/llama-2-7b-guanaco-instruct-sharded",
          load_in_4bit=True)
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)

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
fc7a3ab

0 моделей