/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,6 млрд
Размер весов
16,3 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Ko-Llama3-Luxia-8B
Опубликована
11 июл 2024

Ko-Llama3-Luxia-8B-it

Генерация текстаТекст → текст

Дообученная на инструкциях корейская модель Saltlux на базе Llama 3 для диалогов и генерации ответов.

12скачиваний за 30 дней0лайковвеса обновлены10 сен 2024

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

Ko-Llama3-Luxia-8B-it — корейская диалоговая языковая модель Saltlux AI Labs, полученная дообучением salt lux/Ko-Llama3-Luxia-8B на инструкциях. Для обучения использовался набор maywell/ko_wikidata_QA; модель обучали методом SFTTrainer в течение трёх эпох и применили формат инструкций Qwen2.

Модель предназначена для генерации текста и ответов в диалоге, в том числе на вопросы по знаниям из Wikidata. Это плотная авторегрессионная модель семейства Llama с 7,6 млрд параметров и контекстом 8192 токена; метаданные указывают корейский язык, а базовая модель также рассчитана на английский. Условия лицензии — Llama 3.

Сценарии применения

  • ответы на вопросы о сущностях и фактах из Wikidata
  • диалоговый ассистент на корейском языке
  • генерация текста по инструкциям на корейском
  • ответы на простые вопросы на английском

Ограничения

В README отмечено, что шаблон чата автоматически не применяется, поэтому форматирование промпта нужно учитывать при использовании. Обучение описано на одном наборе данных для вопросов и ответов, что может ограничивать охват тем.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Details

Saltlux, AI Labs 에서 개발한 saltlux/Ko-Llama3-Luxia-8B 모델을 Instruction Fine tuning한 모델입니다.
사용된 데이터셋으로 maywell/ko_wikidata_QA를 사용하였으며 SFTTrainer를 통해 3ep로 학습했습니다.
instruction prompt는 Qwen2 모델과 동일하게 적용시켰습니다.

<|im_start|>system
You are a helpful assistant.<|im_end|>
<|im_start|>user
What is the Qwen2?<|im_end|>
<|im_start|>assistant
Qwen2 is the new series of Qwen large language models<|im_end|>
<|im_start|>user
Tell me more<|im_end|>
<|im_start|>assistant

HyperParameter

  • num_train_epochs = 3
  • warmup_steps=0.03
  • learning_rate=1e-5
  • optim="adamw_torch_fused"

Evaluation with Langchain

apply_chat_tempalte이 적용되어있지 않아 랭체인에서 프롬프트로 직접 입력하여 평가해 볼 수 있습니다.

model_id = "lubocido/Ko-Llama3-Luxia-8B-it"
device = "cuda:0"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id,, device_map = device, torch_dtype = torch.bfloat16)

tokenizer.padding_side = 'right'
tokenizer.pad_token = tokenizer.eos_token

sys_message = """당신은 친절한 챗봇으로서 상대방의 요청에 최대한 자세하고 친절하게 답해야합니다. 
사용자가 제공하는 정보를 세심하게 분석하여 사용자의 의도를 신속하게 파악하고 그에 따라 답변을 생성해야합니다.
항상 매우 자연스러운 한국어로 응답하세요."""

question = "리눅스에서 프로세스를 죽이는 명령어가 뭐지?"

template = """
<|im_start|>system\n{sys_message}<|im_end|>
<|im_start|>user\n{question}<|im_end|>
<|im_start|>assistant
"""

input_data = {
    'sys_message' : sys_message,
    'question' : question,
}

prompt = PromptTemplate(template=template, input_variables=['sys_message', 'question'])

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, device_map=device, do_sample = True, max_length = 512, temperature = 0.1, repetition_penalty=1.2, num_beams=1,top_k=20,top_p=0.9)

langchain_pipeline = HuggingFacePipeline(pipeline=pipe)

chains = LLMChain(llm=langchain_pipeline, prompt=prompt, output_parser=StrOutputParser(), verbose=True)

print(chains.invoke(input=input_data)['text'])
<|im_start|>user
리눅스에서 프로세스를 죽이는 명령어가 뭐지?<|im_end|>
<|im_start|>assistant
프로세스는 운영 체제가 실행 중인 프로그램으로, 프로세스 ID(PID)라는 고유한 식별자를 가지고 있습니다.
프로세스가 종료되면 시스템 자원이 해제됩니다.   리눅스의 경우 kill 명령어를 통해 프로세스를 종료할 수 있으며, 이 명령어는 PID 또는 이름과 같은 다양한 방법으로 프로세스를 찾아서 종료시킬 수 있습니다.
또한 SIGKILL 신호를 보내거나 -9 옵션을 사용하면 강제적으로 프로세스를 종료할 수도 있습니다.
그러나 일부 프로세스는 강제 종료될 때 문제를 일으킬 수 있으므로 주의해서 사용해야 합니다.<|im_end|>

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
0cf77a3

0 моделей