/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Архитектура
llama · dense
Базовая модель
ArliAI-Llama-3-8B-Formax-v1.0
Библиотека
transformers
Опубликована
10 авг 2024

L3.1-Siithamo-v0.2-8B

Генерация текстаТекст → текст6 профессий

Слияние моделей Llama 3 и 3.1 на 7,5 млрд параметров для разговорной генерации текста, творческого письма и выполнения инструкций.

28скачиваний за 30 дней4лайкавеса обновлены17 авг 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

kromvault/L3.1-Siithamo-v0.2-8B — разговорная модель на базе архитектуры Llama 3.1, созданная автором репозитория слиянием нескольких моделей семейства Llama 3 и Llama 3.1. В состав вошли Lyraea, Stheno, Niitama, Tamamo, ArliAI Formax и Gradient Llama 3 Instruct. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и диалогов; заявленная длина контекста — 131 072 токена.

Модель рассчитана на творческое письмо, связные развернутые ответы и выполнение инструкций. Автор отмечает разговорчивый стиль, склонность к образной и драматичной прозе и хорошее следование инструкциям. Рекомендуются шаблон L3 и настройки с высокой температурой; при базовых настройках повторения могут возникать примерно после 8 тысяч токенов, а применение DRY помогает с длинными контекстами до 32 тысяч токенов.

Опубликованные файлы представлены в формате safetensors; автор также упоминает GGUF-квантизации. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ведение продолжительных диалогов
  • написание художественной и выразительной прозы
  • генерация развернутых ответов на инструкции
  • продолжение текста в заданном разговорном стиле

Ограничения

Автор сообщает, что при базовых настройках модель может повторяться примерно после 8 тысяч токенов; применение DRY снижает эту проблему. Модель склонна к многословным и порой чрезмерно образным ответам.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Second (third) time's the charm. After fighting with Formax trying to increase it's max context to something that isn't 4k, spat out this merge as a result. Still maintains a lot of v0.1's properties; creativity, literacy, and chattiness. Knowing everything I've learned making this, time to dive headfirst into making an L3.1 space whale.

I stg LLMs are testing me.

Quants

OG Q8 GGUF by me.

GGUFs by mradermacher

Details & Recommended Settings

Outputs a lot, pretty fucking chatty like Stheno. Pulls some chaotic creativity from Niitama but its mellowed out with Tamamo. Flowery dramatic writing at times. Starts repeating at basic settings around 8k but DRY eliminates it and can handle 32k context. Very good instructions following.

Rec. Settings:

Template: L3
Temperature: 1.4
Min P: 0.1
Repeat Penalty: 1.05
Repeat Penalty Tokens: 256
Dyn Temp: 0.9-1.05 at 0.1
Smooth Sampl: 0.18

Models Merged & Merge Theory

The following models were included in the merge:

Compared to v0.1, the siithamol3.1 part stayed the same. To 'increase' the context of Formax, just chopped of the ladder half and replaced it with a ~1M context model and that seemed to do the trick (after doing a bunch of other shit, this was the simplest and easiest route). Then, changed from dare_linear to breadcrumbs for the final merge, gave a better output without the hassle. Again, TIES anything didn't work nearly as well.

Config

slices:
- sources:
  - layer_range: [0, 16]
    model: ArliAI/ArliAI-Llama-3-8B-Formax-v1.0
- sources:
  - layer_range: [16, 32]
    model: gradientai/Llama-3-8B-Instruct-Gradient-1048k
parameters:
  int8_mask: true
merge_method: passthrough
dtype: float32
out_dtype: bfloat16
name: formax.ext
---
models:
    - model: Sao10K/L3.1-8B-Niitama-v1.1
    - model: Sao10K/L3-8B-Stheno-v3.3-32K
    - model: Sao10K/L3-8B-Tamamo-v1
base_model: Edgerunners/Lyraea-large-llama-3.1
parameters:
  normalize: false
  int8_mask: true
merge_method: model_stock
dtype: float32
out_dtype: bfloat16
name: siithamol3.1
---
models: 
  - model: siitamol3.1
    parameters:
      weight: [0.5, 0.8, 0.9, 1]
      density: 0.9
      gamma: 0.01
  - model: formax.ext
    parameters:
      weight: [0.5, 0.2, 0.1, 0]
      density: 0.9
      gamma: 0.01
base_model: siitamol3.1
parameters:
  normalize: false
  int8_mask: true
merge_method: breadcrumbs
dtype: float32
out_dtype: bfloat16

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7cb6cd6

0 моделей