Характеристики

Контекст: 32 768 токенов
Параметры: 1,5 млрд
Размер весов: 6,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen2 · dense
Базовая модель: Qwen2.5-1.5B-Instruct
Библиотека: transformers
Опубликована: 5 окт 2024

Ссылки

Hugging Face

Qwen2.5-1.5B-Instruct-Ja-SFT

jaeyong2

Генерация текстаТекст → текст6 профессий

Дообученная на базе Qwen2.5 компактная модель для генерации текста и диалогов на японском и английском языках.

29скачиваний за 30 дней0лайковвеса обновлены9 ноя 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.

Открыть конструктор бенчмарка

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

jaeyong2/Qwen2.5-1.5B-Instruct-Ja-SFT — компактная языковая модель на архитектуре Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-1.5B-Instruct. Она предназначена для генерации текста и диалогов, в первую очередь на японском и английском языках. Модель содержит 1,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов.

В README приведены результаты оценки на llm-jp-eval: среднее значение 0,4540 для дообученной модели против 0,4343 для исходной Qwen2.5-1.5B-Instruct и 0,4315 для Gemma 2 2B Japanese IT. Эти значения относятся к конкретной оценке и не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

генерация ответов в японском чат-боте
ведение диалога на японском языке
создание и продолжение японских текстов
генерация текста на английском языке

Ограничения

Модель компактная — 1,5 млрд параметров; приведённые в README результаты отражают только оценку llm-jp-eval и не гарантируют качество на других задачах.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Evaluation

llm-jp-eval script(colab)

!git clone https://github.com/llm-jp/llm-jp-eval.git
!cd llm-jp-eval && pip install -e .
!cd llm-jp-eval && python scripts/preprocess_dataset.py --dataset-name all --output-dir ./dataset_dir
!cd llm-jp-eval && python scripts/evaluate_llm.py -cn config.yaml model.pretrained_model_name_or_path=jaeyong2/Qwen2.5-1.5B-Instruct-JaMagpie-Preview tokenizer.pretrained_model_name_or_path=jaeyong2/Qwen2.5-1.5B-Instruct-JaMagpie-Preview dataset_dir=./dataset_dir/1.4.1/evaluation/test

llm-jp-eval	Qwen2.5-1.5B-Instruct	google/gemma-2-2b-jpn-it	finetuning-model
AVG	0.4343	0.4315	0.4540
CG	0.0600	0.0000	0.1500
EL	0.3952	0.3222	0.4106
FA	0.0690	0.0846	0.0000
HE	0.4400	0.4350	0.4300
MC	0.6800	0.6000	0.6400
MR	0.4700	0.4900	0.5800
MT	0.6137	0.7666	0.7915
NLI	0.5500	0.5260	0.4440
QA	0.2443	0.2813	0.3054
RC	0.8208	0.8097	0.7881

License

Qwen/Qwen2.5-1.5B-Instruct : https://choosealicense.com/licenses/apache-2.0/

Acknowledgement

This research is supported by TPU Research Cloud program.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: 307472a