/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,2 млрд
Размер весов
17,1 ГБ
Лицензия
Apache 2.0
Архитектура
gemma · dense
Базовая модель
gemma-7b
Опубликована
10 мар 2024

tamil-large-language-model-7b-v1.0

Генерация текстаТекст → текст3 профессии

Дообученная на тамильском наборе Alpaca модель Gemma 7B для генерации и понимания текста на тамильском языке.

175скачиваний за 30 дней8лайковвеса обновлены10 мар 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

Tamil Large Language Model — текстовая языковая модель, созданная Mervin Praison и дообученная на наборе инструкций Alpaca на тамильском языке на базе Google Gemma 7B. Модель с плотной архитектурой Gemma содержит 8,2 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов.

Модель предназначена для понимания и создания текста на тамильском языке. Её можно применять для подготовки контента, ответов на вопросы и автоматизации поддержки клиентов, а также в образовательных и исследовательских сценариях, связанных с тамильским языком.

Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка описывает назначение модели, но не приводит результатов оценки качества; поддержка английского заявлена в метаданных, однако основное назначение — работа с тамильским текстом.

Сценарии применения

  • генерация контента на тамильском языке
  • ответы на вопросы на тамильском языке
  • автоматизация клиентской поддержки на тамильском языке
  • создание образовательных материалов на тамильском языке
  • помощь в исследовании тамильского языка

Ограничения

В карточке не приведены результаты бенчмарков или оценки качества. Хотя метаданные отмечают английский язык, модель заявлена прежде всего для тамильского.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Tamil Large Language Model

Developing a large language model for Tamil is a significant achievement, highlighting the potential for advanced AI technologies to support and enrich Tamil digital content. Created by Mervin Praison, this model stands as a testament to innovation and dedication towards enhancing language processing capabilities for Tamil speakers around the globe. It is designed to understand, interpret, and generate Tamil text, offering invaluable tools for businesses, educators, and researchers. By leveraging this model, we can unlock new opportunities for content creation, automate and improve customer support, and contribute to preserving and promoting the Tamil language in the digital age.

Uploaded model

  • Developed by: mervinpraison
  • Instruction Fine Tuned : alpaca tamil dataset

How to use?

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("mervinpraison/tamil-large-language-model-7b-v1.0")
model = AutoModelForCausalLM.from_pretrained("mervinpraison/tamil-large-language-model-7b-v1.0")

query_to_llm = "ஆரோக்கியமாக இருப்பதற்கான இரண்டு வழிகள்"
inputs = tokenizer.encode(query_to_llm, return_tensors="pt")
outputs = model.generate(inputs, max_length=200)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GemmaForCausalLM
Ревизия весов
b07baaf

0 моделей