Дообученная на корейском корпусе модель LLaMA 2 для генерации корейского текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
ko-ref-llama2-7b — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Hyunseok Lee и Taeyoung Kim из KAIST AI Lab и omnious.ai. Это дообученная версия Llama-2-7B, обученная на открытом корейском корпусе для генерации текста на корейском языке.
Модель принимает текст и выдаёт текст. Она подходит для генерации и продолжения корейского текста; использует библиотеку Transformers и веса PyTorch. Размер модели — 6,6 млрд параметров, контекст — 2048 токенов. В карточке указана лицензия Llama 2 для базовой модели, однако отдельные условия лицензирования этой версии не приведены.
Контекст ограничен 2048 токенами; модель обучалась на открытом корейском корпусе, поэтому её возможности для других языков не подтверждены. Отдельные условия лицензирования этой версии в карточке не приведены.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Model Developers HyunseokLee, TaeyoungKim - (kaist alinlab, omnious.ai)
Input Models input text only.
Output Models generate text only.
Model Architecture
ko-ref-llama2-7b is an auto-regressive language model based on the LLaMA2 transformer architecture.
Base Model
Llama-2-7B
Training Dataset
Open dataset (Korean).
Training Objective
We trained the model to learn Korean corpus.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…