/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC-SA 4.0
Архитектура
llama · dense
Опубликована
11 июн 2024

Llama-3-Spellbound-Instruct-8B-0.2

Генерация текстаТекст → текст

Экспериментальная дообученная версия Llama 3 для ролевых диалогов и многоходовых историй с переключением стиля письма.

18скачиваний за 30 дней0лайковвеса обновлены13 июн 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.

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

Llama-3-Spellbound-Instruct-8B-0.2 — экспериментальная дообученная на неструктурированном тексте версия Llama 3 от hf-100. Модель предназначена для ролевых диалогов и многоходовых историй, где контекст предыдущего общения и инструкции передаются отдельно. Она умеет переключать стиль письма под сценарий и интерпретировать маркеры форматирования «quote» и «action». Несмотря на название, instruct-дообучение не проводилось.

Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает и генерирует текст; README не указывает поддерживаемые естественные языки. Авторы описывают исследовательскую цель: изучить влияние раздельной подачи истории и инструкций на связность диалогов и взаимодействие персонажей. Лицензия — CC BY-NC-SA 4.0.

По README, модель может лучше сохранять связность длинных разговоров и создавать выразительные взаимодействия персонажей, но слабее следует инструкциям. Дополнительных защитных ограничений нет; базовая Llama 3 обучалась на данных, содержащих материалы для взрослых, поэтому модель может выдавать неподходящий для некоторых сред контент.

Сценарии применения

  • ведение ролевых диалогов с историей в одном сообщении
  • создание многоходовых историй с персонажами
  • переключение стиля письма в зависимости от сценария
  • генерация реплик с маркерами цитат и действий

Ограничения

Модель слабее следует инструкциям и не имеет дополнительных защитных ограничений; она может генерировать взрослый контент, поскольку базовая Llama 3 обучалась на таких данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3 Spellbound CPT Instruct-Free

Model Rationale

Llama 3 is a strong base model with strong world understanding and creativity. Additional instruct finetuning trades that world understanding and creativity for instruction following that Llama doesn't require in order to adhere to most forms of roleplay.

This model was trained on unstructured text only, no instruct related fine-tuning was performed.

For a more user-friendly version of this model's approach, visit tryspellbound.com if you're simply looking to roleplay.

Features of this fine-tune for Llama 3:

  • Roleplaying in multi-turn stories where the history is presented in a single message
  • Dynamic switching of writing styles for different scenarios
  • Interpretation of formatting marks 'quote' and 'action'

Warning: The underlying model, Llama 3, was trained on data that included adult content. This fine-tune does not add additional guardrails and is not suitable for all environments.

Purpose of the Model

The main goal is to explore how presenting LLMs with history and instructions separately affects their performance, demonstrating:

  • Improved coherence in long conversations
  • Enhanced quality of character interactions
  • Decreased instruction adherence, which could be improved with additional training

Advanced prompting of the model

For advanced prompting, see this document

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
a6da9bc

0 моделей