/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
5,8 млрд
Размер весов
12,1 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Опубликована
8 фев 2024

CantoneseLLM-6B-preview202402

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на основе Yi-6B для понимания и генерации текста на кантонском языке.

73скачиваний за 30 дней10лайковвеса обновлены4 мар 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

CantoneseLLM-6B-preview202402 — экспериментальная языковая модель от hon9kon9ize, созданная на основе 01-ai/Yi-6B дополнительным предварительным обучением на 800 млн токенов кантонского текста. Это плотная авторегрессионная модель семейства Llama с 5,8 млрд параметров и контекстом до 4096 токенов; веса опубликованы в формате safetensors.

Модель предназначена для понимания и генерации текста на кантонском языке, например для написания и продолжения текстов или создания прототипов языковых приложений. Обучающие материалы включают переведённую Википедию zh-yue, новости RTHK, отфильтрованные данные CC100 и учебные тексты. Разработчик называет эту версию предварительной и экспериментальной, с планами дальнейшей настройки и оценки.

Модель может хуже работать с другими разновидностями китайского языка и неформальным или диалектным кантонским; знания об актуальных событиях Гонконга ограничены, также возможны предвзятые ответы и фактические ошибки. В метаданных лицензия обозначена как other, конкретные условия использования в README не приведены.

Сценарии применения

  • генерация и продолжение текстов на кантонском
  • создание черновиков новостных материалов на кантонском
  • разработка прототипов кантонских языковых приложений

Ограничения

Может плохо справляться с другими разновидностями китайского языка, неформальным и диалектным кантонским; знания об актуальных событиях Гонконга ограничены, возможны предвзятость и фактические ошибки. Версия экспериментальная, а конкретные условия лицензии в карточке не раскрыты.

Для каких профессий подходит3

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

CantoneseLLM

This model is further pre-trained model based on 01-ai/Yi-6B with 800M tokens of Cantonese text compiled from various sources, including translated zh-yue Wikipedia, translated RTHK news datasets/jed351/rthk_news, Cantonese filtered CC100 and Cantonese textbooks generated by Gemini Pro.

This is a preview version, for experimental use only, we will use it to fine-tune on downstream tasks and evaluate the performance.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.56.93
ARC (25-shot)55.63
HellaSwag (10-shot)75.8
MMLU (5-shot)63.07
TruthfulQA (0-shot)42.26
Winogrande (5-shot)74.11
GSM8K (5-shot)30.71

Usage

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("hon9kon9ize/CantoneseLLM-6B-preview202402")
model = AutoModelForMaskedLM.from_pretrained("hon9kon9ize/CantoneseLLM-6B-preview202402")

prompt = "歷經三年疫情,望穿秋水終於全面復常,隨住各項防疫措施陸續放寬以至取消,香港"

input_ids = tokenizer.encode(prompt, return_tensors="pt").to('cuda:0')
output = model.generate(input_ids, max_length=max_length, num_return_sequences=1, repetition_penalty=1.1, do_sample=True, temperature=temperature, top_k=50, top_p=0.95)
output = tokenizer.decode(output[0], skip_special_tokens=True)

# output: 歷經三年疫情,望穿秋水終於全面復常,隨住各項防疫措施陸續放寬以至取消,香港旅遊業可謂「起死回生」。
# 不過,旅遊業嘅復蘇之路並唔順利,香港遊客數量仍然遠低於疫前水平,而海外旅客亦只係恢復到疫情前約一半。有業界人士認為,當局需要進一步放寬入境檢疫措施,吸引更多國際旅客來港,令旅遊業得以真正復甦。

Limitation and Bias

The model is intended to use for Cantonese language understanding and generation tasks, it may not be suitable for other Chinese languages. The model is trained on a diverse range of Cantonese text, including news, Wikipedia, and textbooks, it may not be suitable for informal or dialectal Cantonese, it may contain bias and misinformation, please use it with caution.

We found the model is not well trained on the updated Hong Kong knowledge, it may due to the corpus is not large enough to brainwash the original model. We will continue to improve the model and corpus in the future.

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
345c4d2

0 моделей