Uploaded model
- Developed by: lemon-mint
- License: apache-2.0
- Finetuned from model : Qwen/Qwen2-0.5B
This qwen2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 494 млн
- Лицензия
- Apache 2.0
- Архитектура
- qwen2 · dense
- Базовая модель
- Qwen2-0.5B
- Опубликована
- 10 июн 2024
Ссылки
Qwen2-0.5B-Ko-v0.01
Дообученная компактная модель Qwen2 для генерации текста и диалоговых ответов.
31скачиваний за 30 дней0лайковвеса обновлены14 янв 2025
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
Модель lemon-mint/Qwen2-0.5B-Ko-v0.01 — дообученная автором lemon-mint языковая модель семейства Qwen2 с архитектурой плотного декодера для генерации текста и диалогов. Она основана на Qwen/Qwen2-0.5B, содержит 494 млн параметров и рассчитана на контекст до 131 072 токенов.
Модель подходит для генерации продолжений текста и разговорных ответов. Карточка сообщает о дообучении с использованием Unsloth и TRL, но не описывает конкретные данные или специализацию суффикса «Ko»; поэтому нельзя уверенно заключить, на каком языке или в какой предметной области она особенно эффективна. В метаданных указан английский язык.
Модель распространяется по лицензии Apache-2.0. Как компактная модель на 494 млн параметров, она может уступать более крупным моделям в качестве рассуждений и широте знаний; карточка не приводит результатов оценки качества.
Сценарии применения
- генерация продолжения текста
- создание коротких диалоговых ответов
- прототипирование чат-бота
- эксперименты с дообучением небольшой языковой модели
Ограничения
Карточка не уточняет специализацию модели и не приводит оценки качества. Несмотря на длинный заявленный контекст, практическое качество на больших контекстах отдельно не подтверждено.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
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
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Qwen2ForCausalLM
- Ревизия весов
- c63294f