/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
llama-3-youko-8b
Библиотека
transformers
Опубликована
1 янв 2025

vntl-llama3-8b-v2-hf

Генерация текстаТекст → текст

Дообученная LLaMA 3 Youko 8B для перевода японских визуальных новелл на английский язык.

18скачиваний за 30 дней6лайковвеса обновлены13 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.

  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

Это дообученная с помощью QLoRA модель LLaMA 3 Youko 8B, созданная автором репозитория lmg-anon на обновлённом наборе VNTL. Она предназначена для перевода японских визуальных новелл на английский язык, включая многострочные фрагменты; формат запросов основан на стандартном формате LLaMA 3, без отдельного режима чата. В README отмечены улучшения точности и стабильности относительно предыдущей версии, а также более буквальный стиль перевода. Для лучшей точности рекомендованы temperature 0 и отсутствие repetition penalty.

Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Метаданные указывают японский и английский языки. Репозиторий использует формат safetensors и лицензию Llama 3.

Сценарии применения

  • перевод диалогов японских визуальных новелл на английский
  • перевод многострочных фрагментов визуальных новелл
  • учёт имён персонажей и их альтернативных имён при переводе
  • добавление контекстных заметок для уточнения перевода и произношения

Ограничения

Переводы склонны быть более буквальными, чем у предыдущей версии. README рекомендует temperature 0 и отключить repetition penalty для лучшей точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Summary

This is a LLaMA 3 Youko qlora fine-tune, created using a new version of the VNTL dataset. The purpose of this fine-tune is to improve performance of LLMs at translating Japanese visual novels to English.

Unlike the previous version, this one doesn't includes the "chat mode".

Notes

For this new version of VNTL 8B, I've rebuilt and expanded VNTL's dataset from the groud up, and I'm happy to say it performs really well, outperforming the previous version when it comes to accuracy and stability, it makes far fewer mistakes than it even when running at high temperatures (though I still recommend temperature 0 for the best accuracy).

Some major changes in this version:

  • Switched to the default LLaMA3 prompt format since people had trouble with the custom one
  • Added proper support for multi-line translations (the old version only handled single lines)
  • Overall better translation accuracy

One thing to note: while the translations are more accurate, they tend to be more literal compared to the previous version.

Sampling Recommendations

For optimal results, it's highly recommended to use neutral sampling parameters (temperature 0 with no repetition penalty) when using this model.

Training Details

This fine-tune was done using similar hyperparameters as the previous version. The only difference is the dataset, which is a brand-new one.

  • Rank: 128
  • Alpha: 32
  • Effective Batch Size: 45
  • Warmup Ratio: 0.02
  • Learning Rate: 6e-5
  • Embedding Learning Rate: 1e-5
  • Optimizer: grokadamw
  • LR Schedule: cosine
  • Weight Decay: 0.01

Train Loss: 0.42

Translation Prompt

This fine-tune uses the LLaMA 3 prompt format, this is an prompt example for translation:

<|begin_of_text|><|start_header_id|>Metadata<|end_header_id|>

[character] Name: Uryuu Shingo (瓜生 新吾) | Gender: Male | Aliases: Onii-chan (お兄ちゃん)
[character] Name: Uryuu Sakuno (瓜生 桜乃) | Gender: Female<|eot_id|><|start_header_id|>Japanese<|end_header_id|>

[桜乃]: 『……ごめん』<|eot_id|><|start_header_id|>English<|end_header_id|>

[Sakuno]: 『... Sorry.』<|eot_id|><|start_header_id|>Japanese<|end_header_id|>

[新吾]: 「ううん、こう言っちゃなんだけど、迷子でよかったよ。桜乃は可愛いから、いろいろ心配しちゃってたんだぞ俺」<|eot_id|><|start_header_id|>English<|end_header_id|>

[Shingo]: "Nah, I know it’s weird to say this, but I’m glad you got lost. You’re so cute, Sakuno, so I was really worried about you."<|eot_id|>

The generated translation for that prompt, with temperature 0, is:

[Shingo]: "Nah, I know it’s weird to say this, but I’m glad you got lost. You’re so cute, Sakuno, so I was really worried about you."

Trivia

The Metadata section isn't limited to character information - you can also add trivia and teach the model the correct way to pronounce words it struggles with.

Here's an example:

<|begin_of_text|><|start_header_id|>Metadata<|end_header_id|>

[character] Name: Uryuu Shingo (瓜生 新吾) | Gender: Male | Aliases: Onii-chan (お兄ちゃん)
[character] Name: Uryuu Sakuno (瓜生 桜乃) | Gender: Female
[element] Name: Murasamemaru (叢雨丸) | Type: Quality<|eot_id|><|start_header_id|>Japanese<|end_header_id|>

[桜乃]: 『……ごめん』<|eot_id|><|start_header_id|>English<|end_header_id|>

[Sakuno]: 『... Sorry.』<|eot_id|><|start_header_id|>Japanese<|end_header_id|>

[新吾]: 「ううん、こう言っちゃなんだけど、迷子でよかったよ。桜乃は叢雨丸いから、いろいろ心配しちゃってたんだぞ俺」<|eot_id|><|start_header_id|>English<|end_header_id|>

The generated translation for that prompt, with temperature 0, is:

[Shingo]: "Nah, I know it’s not the best thing to say, but I’m glad you got lost. Sakuno’s Murasamemaru, so I was really worried about you, you know?"

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
7fcc824

0 моделей