/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,3 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
12 окт 2023

open-llama-3b-everything-v2

Генерация текстаТекст → текст4 профессии

Дообученная на англоязычном наборе диалогов модель Llama с 3,3 млрд параметров для генерации ответов на текстовые запросы.

69скачиваний за 30 дней1лайквеса обновлены19 ноя 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

harborwater/open-llama-3b-everything-v2 — дообученная автором harborwater языковая модель семейства Llama для генерации текста. Она обучалась три эпохи на наборе EverythingLM-data-V2-sharegpt и предназначена для ответов на текстовые запросы в формате «промпт — ответ». Модель имеет плотную архитектуру LlamaForCausalLM и содержит 3,3 млрд параметров; доступна в форматах PyTorch и Safetensors. Контекст составляет 2048 токенов, а основной язык карточки — английский.

Автор отмечает, что изменил параметры дообучения и не уверен в качестве результата. В карточке приведены результаты Open LLM Leaderboard, включая среднее значение 36,29, ARC 42,83 и HellaSwag 73,28. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов на английские текстовые запросы
  • создание диалогового прототипа на основе Llama
  • эксперименты с дообучением языковых моделей
  • оценка языковой модели на тестах ARC и HellaSwag

Ограничения

Автор не уверен в качестве модели; контекст ограничен 2048 токенами. Результаты на отдельных бенчмарках не гарантируют качество в других задачах.

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

Trained on 3 epochs of the totally-not-an-llm/EverythingLM-data-V2-sharegpt dataset.

### HUMAN:
{prompt}

### RESPONSE:
<leave a newline for the model to answer>

note: Changed a few of the finetuning parameters this time around. I have no idea if its any good but Feel free to give it a try!

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.36.29
ARC (25-shot)42.83
HellaSwag (10-shot)73.28
MMLU (5-shot)26.87
TruthfulQA (0-shot)37.26
Winogrande (5-shot)66.61
GSM8K (5-shot)1.59
DROP (3-shot)5.61

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
9efec69

0 моделей