/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
21,6 млн
Архитектура
llama · dense
Опубликована
10 янв 2024

TinyIG

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная модель на архитектуре Llama для генерации текста и экспериментов с языковыми моделями.

143скачиваний за 30 дней1лайквеса обновлены17 янв 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

TinyIG — небольшая предварительно обученная языковая модель, опубликованная igorktech. Она основана на архитектуре Llama и обучена на наборе nampdn-ai/tiny-textbooks; автор указывает, что модель вдохновлена TinyStories. Модель предназначена для генерации текста на английском языке и может использоваться для коротких экспериментов с языковыми моделями или создания простых текстовых продолжений.

Модель содержит 21,6 млн параметров и поддерживает контекст длиной до 2048 токенов. В README приведено значение loss 3,5677 на evaluation set. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана; сведения о качестве в практических задачах ограничены указанной метрикой.

Сценарии применения

  • генерация коротких текстовых продолжений на английском языке
  • эксперименты с компактными языковыми моделями
  • обучение и демонстрация базового пайплайна генерации текста

Ограничения

README содержит мало сведений о назначении и ограничениях; приведена только метрика loss 3,5677 на evaluation set. Английский язык и учебный набор данных не гарантируют качество в прикладных задачах; лицензия в предоставленных данных отсутствует.

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

TinyIG

This model is a pre-trained version of LLama2 on the nampdn-ai/tiny-textbooks dataset.

Inspired by TinyStories.

It achieves the following results on the evaluation set:

  • Loss: 3.5677

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0005
  • train_batch_size: 2
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
3.46472.02300003.5677

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • Tokenizers 0.15.0

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
f94e606

0 моделей