/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
Gemma
Архитектура
gemma · dense
Базовая модель
gemma-7b
Библиотека
transformers
Опубликована
20 апр 2025

Ссылки

Hugging Face

zephyr-7b-gemma-sft

li-muyang
Генерация текстаТекст → текст6 профессий

Диалоговая модель Gemma с 8,2 млрд параметров, дообученная для генерации текста и ответов в формате беседы.

894скачиваний за 30 дней0лайковвеса обновлены6 окт 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.

  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.

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

zephyr-7b-gemma-sft — диалоговая языковая модель, дообученная автором li-muyang на базе google/gemma-7b с использованием набора HuggingFaceH4/deita-10k-v0-sft. Модель содержит 8,2 млрд параметров, построена на плотной архитектуре Gemma и предназначена для генерации текста в диалоговом формате.

Её можно использовать для ответов на вопросы, ведения диалога и других сценариев генерации текста. Максимальная длина контекста составляет 8192 токена. В README указано значение loss 1,1043 на наборе оценки, но дополнительных результатов или описания методики оценки нет.

Модель распространяется по лицензии Gemma. README не содержит подробных сведений о предполагаемом применении и ограничениях; условия лицензии следует учитывать при использовании.

Сценарии применения

  • ответы на вопросы в диалоге
  • создание чат-бота общего назначения
  • генерация продолжений текста
  • ведение беседы на основе пользовательских запросов

Ограничения

README приводит только значение loss 1,1043 на оценочном наборе и не описывает методику оценки или практические ограничения; качество ответов в конкретных сценариях по этим сведениям определить нельзя. При использовании необходимо соблюдать лицензию Gemma.

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 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиIII.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

zephyr-7b-gemma-sft

This model is a fine-tuned version of google/gemma-7b on the HuggingFaceH4/deita-10k-v0-sft dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1043

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
1.53880.0835251.5511
1.09860.1669501.1441
1.06780.2504751.0955
1.05280.33391001.0925
1.09340.41741251.1267
1.06480.50081501.1338
1.06340.58431751.1430
1.04060.66782001.1117
1.01210.75132251.0639
0.94330.83472501.0389
0.98580.91822751.0390
0.97861.00173001.0929
0.78991.08513251.1224
0.78821.16863501.0742
0.73991.25213751.0683
0.76281.33564001.0628
0.75691.41904251.0546
0.75351.50254501.0615
0.73631.58604751.0576
0.75521.66945001.0607
0.74371.75295251.0607
0.75191.83645501.0658
0.76251.91995751.0657
0.69162.00336001.0868
0.44812.08686251.1412
0.44382.17036501.1363
0.43392.25386751.1245
0.43562.33727001.1193
0.42682.42077251.1166
0.42592.50427501.1127
0.40692.58767751.1079
0.40182.67118001.1046
0.41812.75468251.1036
0.40072.83818501.1050
0.39532.92158751.1041

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.5.1+rocm6.2
  • Datasets 3.2.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
58c3b64

0 моделей

    Создать бенчмарк