/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
30 мая 2024

Ссылки

Hugging Face

tinyllama-1.1b-mt-sft-full

martimfasantos
Генерация текстаТекст → текст3 профессии

Дообученная на ALMA-Human-Parallel компактная модель TinyLlama для генерации текста.

32скачиваний за 30 дней0лайковвеса обновлены30 мая 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.

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

martimfasantos выпустил дообученную модель tinyllama-1.1b-mt-sft-full на основе TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T. Это плотная авторегрессионная модель семейства Llama с примерно 1 млрд параметров, обученная на наборе haoranxu/ALMA-Human-Parallel; в README приведено значение loss 1,6920 на наборе оценки. Модель предназначена для генерации текста. Её можно использовать для экспериментов с генерацией и дообучением компактных языковых моделей.

В метаданных указан контекст 2048 токенов и формат весов safetensors. Поддерживаемые языки и более конкретные сценарии применения в карточке не описаны. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о специальных ограничениях или гарантиях качества; приведённый результат оценки сам по себе не показывает качество на прикладных задачах.

Сценарии применения

  • генерация текста на основе запроса
  • эксперименты с компактными языковыми моделями
  • оценка генерации текста на собственном наборе данных

Ограничения

В README не приведены описания intended uses, ограничений или данных обучения сверх названия датасета; значение loss 1,6920 не характеризует качество на конкретных прикладных задачах. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tinyllama-1.1b-mt-sft-full

This model is a fine-tuned version of TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T on the haoranxu/ALMA-Human-Parallel dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6920

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: 8
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.58381.07391.6892
1.50512.014781.6920

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.1.2
  • Datasets 2.19.1
  • Tokenizers 0.19.1

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
8f88347

0 моделей

    Создать бенчмарк