/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
danskgpt-tiny
Опубликована
6 янв 2024

danskgpt-tiny-chat

Генерация текстаТекст → текст3 профессии

Компактная чат-модель на базе LLaMA для диалогов и генерации текста на датском языке.

494скачиваний за 30 дней13лайковвеса обновлены27 янв 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

DanskGPT-tiny-chat — чат-версия модели mhenrichsen/danskgpt-tiny, разработанная Mads и дообученная на частных наборах диалогов. Это компактная плотная LLaMA-модель с примерно 1 млрд параметров, предназначенная для диалогового генерирования текста и запуска на широком спектре устройств. Модель обучена работать с шаблоном ChatML; максимальная длина контекста составляет 2048 токенов.

Модель ориентирована прежде всего на общение на датском языке и может использоваться как лёгкий локальный чат-ассистент или для автоматизации текстовых задач. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0. Данные для дообучения названы частными; их состав и свойства не раскрыты.

Сценарии применения

  • ответы на вопросы на датском языке
  • локальный чат-ассистент на маломощном устройстве
  • генерация датского текста в диалоговом формате
  • автоматизация текстовых задач на датском языке

Ограничения

Контекст ограничен 2048 токенами. Модель дообучена на частных наборах диалогов, поэтому состав данных и охват тем не раскрыты.

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

DanskGPT-tiny-chat

DanskGPT-tiny-chat er chat-varianten af mhenrichsen/danskgpt-tiny trænet på private chat datasæt.

Model beskrivelse

Modellen er beregnet til at være en lightweight version af DanskGPT, der kan køre på næsten alle enheder.

Prompt template

Modellen er trænet med ChatML format (samme som OpenAI's modeller), og skal bruges på følgende måde:

<|im_start|>system\nDu er en hjælpsom assistent.<|im_end|>\n<|im_start|>user\nHvad er skak?<|im_end|>\n<|im_start|>assistant

Inferens

Ollama

Installér ollama: https://ollama.ai/download

Kør:

ollama run mhenrichsen/danskgpt-tiny-chat

vLLM

pip install vllm
from vllm import LLM, SamplingParams

sampling_params = SamplingParams(temperature=0.8, top_p=0.95, max_tokens=1024)
llm = LLM(model="mhenrichsen/danskgpt-tiny-chat")

system_message = "Du er en hjælpsom assistent."
conversation_history = f"<|im_start|>system\n{system_message}<|im_end|>\n<|im_start|>user\n"
while True:
    prompt = input("Bruger: ")
    new_prompt = f"{conversation_history}{prompt}<|im_end|>\n<|im_start|>assistant\n"

    outputs = llm.generate(new_prompt, sampling_params)
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        print(f"AI: {generated_text!r}")
        conversation_history = f"{prompt}{generated_text!r}<|im_end|>\n<|im_start|>user\n"

Endpoint med openai

pip install openai
python -m vllm.entrypoints.openai.api_server --model mhenrichsen/danskgpt-tiny-chat

og brugt som erstatning for OpenAI's endpoints:

from openai import OpenAI
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

chat_response = client.chat.completions.create(
    model="mhenrichsen/danskgpt-tiny-chat",
    messages=[
        {"role": "system", "content": "Du er en hjælpsom assistent. Giv mig et langt svar."},
        {"role": "user", "content": "Fortæl mig om Danmark."},
    ]
)
print("AI:", chat_response)

Training results

Training LossEpochStepValidation Loss
1.35990.011.4118
0.78960.251360.7813
0.73390.52720.7490
0.73780.754080.7285
0.71121.05440.7146
0.63771.236800.7135
0.61921.498160.7133
0.59851.749520.7073
0.60671.9910880.7026
0.51392.2212240.7167
0.50992.4713600.7193
0.52172.7214960.7168

Brug for hjælp?

Har du spørgsmål eller brug for hjælp til LLM'er eller automatisering af tekstbaserede opgaver, så kontakt mig gerne.

/Mads

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
ad24bd2

0 моделей