/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Архитектура
llama · dense
Опубликована
28 июн 2023

longchat-7b-16k

Генерация текстаТекст → текст5 профессий

LongChat-7B-16K — дообученный на диалогах ShareGPT чат-бот семейства Llama для генерации ответов и исследовательской оценки диалоговых моделей.

445скачиваний за 30 дней49лайковвеса обновлены29 июл 2023

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

LongChat-7B-16K — открытый чат-бот, разработанный командой LongChat. Это плотная авторегрессионная модель семейства Llama с 6,6 млрд параметров, полученная дообучением Llama-7B на 80 тысячах диалогов, собранных с ShareGPT. В README заявлена работа с контекстом до 16 тысяч токенов благодаря технике condensing rotary embedding; метаданные каталога указывают native context в 2048 токенов.

Модель предназначена для диалогов и генерации текста, в том числе для исследовательских экспериментов и оценки чат-моделей. Для запуска авторы рекомендуют FastChat или LongChat; README отмечает необходимость monkey patch. Модель обучена на пользовательских разговорах ShareGPT, поэтому её ответы могут воспроизводить ошибки и смещения этих данных. Лицензия в доступных сведениях не указана.

Сценарии применения

  • ведение диалога с пользователем
  • генерация ответов в чат-интерфейсе
  • создание прототипа разговорного помощника
  • исследовательская оценка качества чат-моделей

Ограничения

README сообщает о необходимости monkey patch при загрузке через FastChat или LongChat. В README заявлен контекст до 16 тысяч токенов, тогда как метаданные указывают native context 2048 токенов; ответы также могут отражать ошибки и смещения пользовательских диалогов ShareGPT.

Для каких профессий подходит5

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

longchat-7b-16k Model Card

Please use load_model from FastChat or LongChat repo to load the model (or chatting API from FastChat). There is a monkey patch needed to use the model. Usage referece:

(LongChat) python3 eval.py --model-name-or-path lmsys/longchat-7b-16k --task topics

(FastChat) python3 -m fastchat.serve.cli --model-path lmsys/longchat-7b-16k

Under the hood, the monkey patch is added in:

https://github.com/lm-sys/FastChat/blob/da0641e567cf93756b0978ab5a6b092e96f06240/fastchat/model/model_adapter.py#L429

Model details

Model type: longchat-7b-16k is an open-source chatbot trained by fine-tuning llama-7b on user-shared conversations collected from ShareGPT, using the condensing rotary embedding technique reported in the blog.

Model date: longchat-7b-16k was trained on June 2023.

Organizations developing the model: The LongChat developers: Dacheng Li*, Rulin Shao*, Anze Xie, Ying Sheng, Lianmin Zheng, Ion Stoica, Xuezhe Ma, and Hao Zhang

Paper or resources for more information: https://github.com/DachengLi1/LongChat

Where to send questions or comments about the model: https://github.com/DachengLi1/LongChat

Intended use

Primary intended uses: The primary use of longchat-7b-16k is for research purposes.

Primary intended users: The primary intended users of the model are researchers in natural language processing, machine learning, and artificial intelligence.

Training dataset

80K conversations collected from ShareGPT.com.

Evaluation dataset

A preliminary evaluation of the model quality is conducted by our released LongEval.

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
981bdbd

0 моделей