/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Архитектура
llama · dense
Опубликована
18 июн 2023

vicuna-13b-v1.3

Генерация текстаТекст → текст7 профессий

Vicuna-13B-v1.3 — чат-модель LMSYS на базе LLaMA для генерации диалоговых ответов и исследований чат-ботов.

1 016скачиваний за 30 дней205лайковвеса обновлены1 авг 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0144

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3727

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,3344

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2676

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2243

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3384

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Vicuna-13B-v1.3 — авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная LMSYS. Модель дообучена на пользовательских диалогах, опубликованных в ShareGPT, и предназначена для генерации ответов в формате чат-ассистента. Веса содержат 12,9 млрд параметров, контекст — до 2048 токенов.

Модель подходит для исследовательских и любительских проектов в области NLP, машинного обучения и чат-ботов: она может вести диалог, отвечать на вопросы и генерировать текст по запросу. Карточка описывает оценку по стандартным бенчмаркам, предпочтениям людей и оцениванию с помощью другой языковой модели. Указана некоммерческая лицензия; карточка рекомендует использовать более новую версию весов.

Сценарии применения

  • создание прототипа чат-бота
  • генерация ответов в диалоге
  • ответы на вопросы на естественном языке
  • исследование поведения языковых моделей
  • сравнение моделей на бенчмарках генерации текста

Ограничения

Модель имеет контекст до 2048 токенов; карточка рекомендует более новую версию весов. Лицензия ограничивает использование некоммерческими целями.

Для каких профессий подходит7

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

NOTE: New version available
Please check out a newer version of the weights here.

Vicuna Model Card

Model Details

Vicuna is a chat assistant trained by fine-tuning LLaMA on user-shared conversations collected from ShareGPT.

  • Developed by: LMSYS
  • Model type: An auto-regressive language model based on the transformer architecture.
  • License: Non-commercial license
  • Finetuned from model: LLaMA.

Model Sources

Uses

The primary use of Vicuna is research on large language models and chatbots. The primary intended users of the model are researchers and hobbyists in natural language processing, machine learning, and artificial intelligence.

How to Get Started with the Model

Training Details

Vicuna v1.3 is fine-tuned from LLaMA with supervised instruction fine-tuning. The training data is around 125K conversations collected from ShareGPT.com. See more details in the "Training Details of Vicuna Models" section in the appendix of this paper.

Evaluation

Vicuna is evaluated with standard benchmarks, human preference, and LLM-as-a-judge. See more details in this paper and leaderboard.

Difference between different versions of Vicuna

See vicuna_weights_version.md

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
6566e9c

0 моделей