Model weights for Llama3-question-quality, a 70B model finetuned on human question quality judgments (see https://huggingface.co/datasets/imbue-ai/human_question_quality_judgments). For details, see imbue.com/research/70b-evals/. Built with Meta Llama 3.
Характеристики
- Контекст
- 8 192 токена
- Параметры
- 69,5 млрд
- Размер весов
- 282 ГБ
- Лицензия
- MIT
- Архитектура
- llama · dense
- Опубликована
- 25 июн 2024
Ссылки
llama3-question-quality
Модель Imbue на базе Llama 3 оценивает качество вопросов по человеческим суждениям.
16скачиваний за 30 дней10лайковвеса обновлены25 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Llama3-question-quality — модель Imbue на базе Meta Llama 3, дообученная на человеческих оценках качества вопросов. Она предназначена для оценки качества вопросов и может применяться для отбора или анализа вопросов в пользовательских и исследовательских сценариях. Модель имеет архитектуру LlamaForCausalLM с плотными весами, содержит 69,5 млрд параметров и принимает контекст до 8192 токенов. Доступны веса PyTorch; лицензия — MIT.
Карточка указывает на обучение по человеческим суждениям, но не приводит подробностей о формате оценки, языках или известных ограничениях качества. По имеющимся данным модель работает с текстом и выдаёт текст.
Сценарии применения
- оценка качества пользовательских вопросов
- ранжирование вопросов по качеству
- отбор вопросов для набора данных
- анализ формулировок вопросов
Ограничения
Карточка не уточняет формат оценок и языки, на которых проверялась модель. Число параметров и контекст требуют значительных вычислительных ресурсов.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
vLLM
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- a53dda2