/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
125 млн
Архитектура
llama · dense
Базовая модель
tiny-ko-base
Библиотека
transformers
Опубликована
3 июн 2025

tiny-ko-sft

Генерация текстаТекст → текст3 профессии

Небольшая корейскоязычная чат-модель семейства Llama для генерации ответов и выполнения инструкций.

410скачиваний за 30 дней0лайковвеса обновлены13 июн 2025

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

tiny-ko-sft — модель генерации текста, созданная дообучением minpeter/tiny-ko-base разработчиком minpeter. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 124,6 млн параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогов и выполнения инструкций на корейском языке.

При дообучении использовались наборы корейских диалогов, инструкций и текстов, включая Korean-FineTome-100k, smol-koreantalk, open-korean-instructions и несколько корейских переводных и инструкционных наборов. Контекст составляет 4096 токенов. В README приведено значение loss 1,5297 на наборе оценки, но подробности методики и результатов не описаны. Модель распространяется по лицензии базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • ответы на вопросы и ведение диалогов на корейском языке
  • выполнение текстовых инструкций на корейском языке
  • генерация корейских текстов в заданном стиле
  • создание прототипов корейскоязычных чат-ботов

Ограничения

README не приводит подробных сведений о качестве, оценке или ограничениях применения; указан только loss 1,5297 на наборе оценки. Лицензия модели в предоставленных данных не указана.

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

axolotl version: 0.10.0.dev0

base_model: minpeter/tiny-ko-base

hub_model_id: minpeter/tiny-ko-sft
output_dir: ./outputs/tiny-ko-sft
wandb_project: "axolotl"
wandb_entity: "kasfiekfs-e"

chat_template: chatml
datasets:
  - path: lemon-mint/Korean-FineTome-100k
    type: chat_template
    split: train[:10%]
    field_messages: messages
    message_property_mappings:
      role: role
      content: content

  - path: lemon-mint/smol-koreantalk
    type: chat_template
    split: train[:10%]
    field_messages: messages
    message_property_mappings:
      role: role
      content: content

  - path: heegyu/open-korean-instructions-v20231020
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value
    roles:
      user: ["human", "user"]
      assistant: ["gpt", "assistant", "bot"]
      system: ["system", "input"]

  # NOTE: https://github.com/FreedomIntelligence/MultilingualSIFT
  - path: FreedomIntelligence/evol-instruct-korean
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value

  - path: FreedomIntelligence/alpaca-gpt4-korean
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value

  - path: FreedomIntelligence/sharegpt-korean
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value

  - path: coastral/korean-writing-style-instruct
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value

  - path: devngho/korean-instruction-mix
    type: chat_template
    split: train[:10%]
    field_messages: messages
    message_property_mappings:
      role: from
      content: value

  - path: youjunhyeok/Magpie-Pro-300K-Filtered-ko
    type: chat_template
    split: train[:10%]
    field_messages: conversations
    message_property_mappings:
      role: from
      content: value

  - path: youjunhyeok/smoltalk-ko-translate
    type: chat_template
    name: merge_filtered
    field_messages: conversations
    message_property_mappings:
      role: role
      content: content

dataset_prepared_path: last_run_prepared
val_set_size: 0.05

save_steps: 200
warmup_steps: 20
eval_steps: 200

sequence_len: 4096

# <<<< experimental settings <<<<
sample_packing: true
train_on_inputs: false
# >>>> experimental settings >>>

pad_to_sequence_len: true

gradient_accumulation_steps: 4
micro_batch_size: 32

optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 1e-3

bf16: auto
tf32: false

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: false
resume_from_checkpoint:
logging_steps: 1
flash_attention: true

num_epochs: 1
weight_decay: 0.0

tiny-ko-sft

This model is a fine-tuned version of minpeter/tiny-ko-base on the lemon-mint/Korean-FineTome-100k, the lemon-mint/smol-koreantalk, the heegyu/open-korean-instructions-v20231020, the FreedomIntelligence/evol-instruct-korean, the FreedomIntelligence/alpaca-gpt4-korean, the FreedomIntelligence/sharegpt-korean, the coastral/korean-writing-style-instruct, the devngho/korean-instruction-mix, the youjunhyeok/Magpie-Pro-300K-Filtered-ko and the youjunhyeok/smoltalk-ko-translate datasets. It achieves the following results on the evaluation set:

  • Loss: 1.5297

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: 0.001
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • total_eval_batch_size: 64
  • optimizer: Use OptimizerNames.PAGED_ADAMW_8BIT with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 20
  • training_steps: 817

Training results

Training LossEpochStepValidation Loss
2.35180.001212.3640
1.63220.24462001.6913
1.59030.48914001.6003
1.51460.73376001.5392
1.52770.97838001.5297

Framework versions

  • Transformers 4.52.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2364f9a

0 моделей