/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-8B-bnb-4bit
Опубликована
28 июл 2024

FineLlama-3.1-8B

Генерация текстаТекст → текст7 профессий

FineLlama-3.1-8B — дообученная на FineTome-100k модель Llama для генерации текста и изучения тонкой настройки.

37скачиваний за 30 дней10лайковвеса обновлены27 авг 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

FineLlama-3.1-8B — плотная языковая модель семейства Llama, созданная автором mlabonne как дообучение Meta-Llama-3.1-8B. Модель обучена на 100 тысячах примеров из набора FineTome-100k; обучение выполнено с использованием Unsloth и TRL. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов.

Модель предназначена для генерации текста и диалоговых сценариев, а также для изучения эффективного дообучения Llama. Автор рекомендует для реальных приложений использовать instruct-модель Meta. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

  • генерация текста в диалоге
  • создание ответов на текстовые запросы
  • изучение дообучения моделей Llama
  • эксперименты с обучением через Unsloth и TRL

Ограничения

Автор обозначает модель как учебную и рекомендует использовать instruct-модель Meta для реальных приложений. Оценка качества в карточке не приведена.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🍷 FineLlama-3.1-8B

This is a finetune of meta-llama/Meta-Llama-3.1-8B made for my article "Fine-tune Llama 3.1 Ultra-Efficiently with Unsloth".

It was trained on 100k super high-quality samples from the mlabonne/FineTome-100k dataset.

Try the demo: https://huggingface.co/spaces/mlabonne/FineLlama-3.1-8B

🔎 Applications

This model was made for educational purposes. I recommend using Meta's instruct model for real applications.

⚡ Quantization

🏆 Evaluation

TBD.

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "mlabonne/FineLlama-3.1-8B"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.

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
b5c5e22

0 моделей