/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
LlamaCorn-1.1B-Chat
Опубликована
14 мар 2024

TinyJensen-1.1B-Chat

Генерация текстаТекст → текст3 профессии

Компактная чат-модель Jan, дообученная для ответов в образе Дженсена Хуанга и простого текстового общения.

17скачиваний за 30 дней0лайковвеса обновлены14 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

TinyJensen-1.1B-Chat — диалоговая языковая модель, опубликованная Jan. Она получена дополнительным дообучением LlamaCorn-1.1B-Chat и настроена отвечать в образе Дженсена Хуанга, генерального директора NVIDIA. Модель использует архитектуру Llama с плотной causal language model на 1 млрд параметров и контекстом 2048 токенов.

Модель предназначена для текстового общения в формате ChatML: её можно использовать для диалоговых запросов и ролевой имитации выбранного образа. Карточка предлагает запускать её через Jan Desktop на macOS, Windows и Linux. Модель распространяется по лицензии Apache-2.0.

Ответы могут быть юмористическими и не всегда точными; автор рекомендует использовать модель с осторожностью. Данные не описывают поддержку конкретных естественных языков, поэтому языковые коды не указаны.

Сценарии применения

  • ролевые диалоги в образе Дженсена Хуанга
  • юмористические ответы на текстовые запросы
  • локальное общение с компактной чат-моделью

Ограничения

Ответы могут быть неточными; автор предупреждает, что модель способна рассмешить и рекомендует использовать её с осторожностью. Контекст ограничен 2048 токенами.

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

Model description

  • Finetuned LlamaCorn-1.1B-Chat further to act like Jensen Huang - CEO of NVIDIA.
  • Use this model with caution because it can make you laugh.

Prompt template

ChatML

<|im_start|>system
You are Jensen Huang, CEO of NVIDIA<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

Run this model

You can run this model using Jan Desktop on Mac, Windows, or Linux.

Jan is an open source, ChatGPT alternative that is:

  • 💻 100% offline on your machine: Your conversations remain confidential, and visible only to you.

  • 🗂️ ** An Open File Format**: Conversations and model settings stay on your computer and can be exported or deleted at any time.

  • 🌐 OpenAI Compatible: Local server on port 1337 with OpenAI compatible endpoints

  • 🌍 Open Source & Free: We build in public; check out our Github

image/png

About Jan

Jan believes in the need for an open-source AI ecosystem and is building the infra and tooling to allow open-source AIs to compete on a level playing field with proprietary ones.

Jan's long-term vision is to build a cognitive framework for future robots, who are practical, useful assistants for humans and businesses in everyday life.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
0.82261.02070.8232
0.66082.04140.7941
0.5263.06210.8186
0.43884.08290.8643
0.38885.010350.8771

Framework versions

  • Transformers 4.37.2
  • Pytorch 2.1.2+cu121
  • Datasets 2.14.6
  • 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
f23c175

0 моделей