/ Модель
Каталог

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Опубликована
20 окт 2024

Ссылки

Hugging Face

Llama-2-7b-commonsense

hemanth955
Генерация текстаТекст → текст

Текстовая модель семейства Llama 2 на 6,6 млрд параметров для генерации ответов в задачах здравого смысла.

10скачиваний за 30 дней0лайковвеса обновлены20 окт 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.

  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

hemanth955/Llama-2-7b-commonsense — модель семейства Llama 2 для генерации текста, представленная в формате PyTorch. По названию репозитория она предназначена для задач здравого смысла; карточка содержит лишь минимальный пример загрузки через Transformers и не описывает обучение или проверенные сценарии применения. Модель имеет около 6,6 млрд параметров и контекст длиной до 4096 токенов. Лицензия в доступных данных не указана.

Сценарии применения

  • генерация ответов на вопросы о повседневных ситуациях
  • объяснение простых причинно-следственных связей
  • формулирование выводов на основе бытовых фактов

Ограничения

README не содержит результатов оценки качества или подробностей обучения, поэтому возможности в задачах здравого смысла нельзя подтвердить по карточке. Языки и лицензия не приведены в доступных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

!pip install transformers !pip install torch

💻 Usage


from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline

model_name = "hemanth955/Llama-2-7b-math"

tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(model_name)

math_problem = "A train leaves the station at 6:00 PM and travels at a speed of 50 mph. How far will it have traveled by 8:00 PM?"

inputs = tokenizer(math_problem, return_tensors="pt")

outputs = model.generate(**inputs, max_length=100)

answer = tokenizer.decode(outputs[0], skip_special_tokens=True)

print("Generated Answer:", answer)

# Optional: Use Hugging Face pipeline for easier interaction

math_pipeline = pipeline("text-generation", model=model_name)

response = math_pipeline(math_problem)

print("Pipeline Answer:", response[0]['generated_text'])

'''

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
be402c7

0 моделей

    Создать бенчмарк