/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7 млрд
Размер весов
15,1 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
gpt-7b-nordic-prerelease
Опубликована
19 мар 2024

NordicAlpaca-Finnish-V1-7B

Генерация текстаТекст → текст5 профессий

Финская инструкционная модель на 7 млрд параметров для генерации ответов на текстовые инструкции и запросы с контекстом.

28скачиваний за 30 дней1лайквеса обновлены15 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.

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

NordicAlpaca-Finnish-V1-7B — финская инструкционная языковая модель, созданная mpasila путём слияния адаптера NordicAlpaca-Finnish-V1-7B-LoRA с базовой моделью HPLT/gpt-7b-nordic-prerelease. Она предназначена для генерации текста в ответ на инструкции и запросы с контекстом, оформленные в шаблоне Alpaca с инструкциями на финском языке. Модель построена на архитектуре LLaMA, содержит 7 млрд параметров, принимает текст и поддерживает контекст длиной до 4096 токенов.

В README приведены результаты оценки на FIN-bench; карточка также указывает на использование набора pinzhenchen/alpaca-cleaned-fi. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что способ слияния LoRA с весами float16 мог быть не оптимальным, что может влиять на качество итоговых весов.

Сценарии применения

  • ответы на вопросы и инструкции на финском языке
  • генерация финского текста по заданному контексту
  • выполнение типовых заданий в формате Alpaca

Ограничения

Автор отмечает, что слияние адаптера LoRA с базовой моделью могло быть выполнено не оптимальным способом. Приведённая оценка FIN-bench относится к конкретному тестовому набору и не гарантирует качество во всех сценариях.

Для каких профессий подходит5

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

Model Card for NordicAlpaca-Finnish-V1-7B

This is a merge of mpasila/NordicAlpaca-Finnish-V1-7B-LoRA.

Dataset used with the LoRA is pinzhenchen/alpaca-cleaned-fi.

Base model used: HPLT/gpt-7b-nordic-prerelease

It uses Alpaca format but with a translated instruction at the start:

{
    "instruction,output": "Alla on ohje, jossa kuvataan tehtävä. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\n\n### Instruction:\n%instruction%\n\n### Response:\n%output%",
    "instruction,input,output": "Alla on ohje, jossa kuvataan tehtävä ja joka on yhdistetty kontekstia lisäävään syötteeseen. Kirjoita vastaus, joka täyttää pyynnön asianmukaisesti.\n\n### Instruction:\n%instruction%\n\n### Input:\n%input%\n\n### Response:\n%output%"
}

Merged using this Colab notebook. It might not be the best way to merge a quantized LoRA on to a float16 model but I just wanted to quickly do something. You can try merging it better if you want.

Evaluation

ModelSizeTypeFIN-bench (score)
mpasila/NordicAlpaca-Finnish-V1-7B7BInstruct0.3891
mpasila/Finnish-Alpaca-Small-7B7BInstruct0.3586
mpasila/Finnish-Alpaca-Tiny-V2-7B7BInstruct0.4654
mpasila/Alpacazord-Viking-7B7BInstruct0.4123
mpasila/Finnish-Viking-Alpaca-V1-7B7BInstruct0.3943
Finnish-NLP/llama-7b-finnish-instruct-v0.17BInstruct0.4365
Finnish-NLP/llama-7b-finnish-instruct-v0.27BInstruct0.3993
Finnish-NLP/llama-7b-finnish7BBase0.2350
LumiOpen/Viking-7B (1000B)7BBase0.3721
HPLT/gpt-7b-nordic-prerelease7BBase0.3169

Source

FIN-bench scores:

TaskVersionMetricValueStderr
bigbench_analogies0multiple_choice_grade0.5615±0.0437
bigbench_arithmetic_1_digit_addition0multiple_choice_grade0.5300±0.0502
bigbench_arithmetic_1_digit_division0multiple_choice_grade0.8261±0.0808
bigbench_arithmetic_1_digit_multiplication0multiple_choice_grade0.3700±0.0485
bigbench_arithmetic_1_digit_subtraction0multiple_choice_grade0.6000±0.0492
bigbench_arithmetic_2_digit_addition0multiple_choice_grade0.0300±0.0171
bigbench_arithmetic_2_digit_division0multiple_choice_grade0.4700±0.0502
bigbench_arithmetic_2_digit_multiplication0multiple_choice_grade0.1000±0.0302
bigbench_arithmetic_2_digit_subtraction0multiple_choice_grade0.1800±0.0386
bigbench_arithmetic_3_digit_addition0multiple_choice_grade0.3000±0.0461
bigbench_arithmetic_3_digit_division0multiple_choice_grade0.2000±0.0402
bigbench_arithmetic_3_digit_multiplication0multiple_choice_grade0.1800±0.0386
bigbench_arithmetic_3_digit_subtraction0multiple_choice_grade0.2500±0.0435
bigbench_arithmetic_4_digit_addition0multiple_choice_grade0.4200±0.0496
bigbench_arithmetic_4_digit_division0multiple_choice_grade0.2400±0.0429
bigbench_arithmetic_4_digit_multiplication0multiple_choice_grade0.2200±0.0416
bigbench_arithmetic_4_digit_subtraction0multiple_choice_grade0.4600±0.0501
bigbench_arithmetic_5_digit_addition0multiple_choice_grade0.5400±0.0501
bigbench_arithmetic_5_digit_division0multiple_choice_grade0.1100±0.0314
bigbench_arithmetic_5_digit_multiplication0multiple_choice_grade0.2400±0.0429
bigbench_arithmetic_5_digit_subtraction0multiple_choice_grade0.5200±0.0502
bigbench_cause_and_effect_one_sentence0multiple_choice_grade0.6471±0.0676
bigbench_cause_and_effect_one_sentence_no_prompt0multiple_choice_grade0.8039±0.0561
bigbench_cause_and_effect_two_sentences0multiple_choice_grade0.3529±0.0676
bigbench_emotions0multiple_choice_grade0.2938±0.0361
bigbench_empirical_judgments0multiple_choice_grade0.3333±0.0476
bigbench_general_knowledge0multiple_choice_grade0.2857±0.0544
bigbench_hhh_alignment_harmless0multiple_choice_grade0.3448±0.0630
bigbench_hhh_alignment_helpful0multiple_choice_grade0.3220±0.0614
bigbench_hhh_alignment_honest0multiple_choice_grade0.3729±0.0635
bigbench_hhh_alignment_other0multiple_choice_grade0.5581±0.0766
bigbench_intent_recognition0multiple_choice_grade0.1777±0.0145
bigbench_misconceptions0multiple_choice_grade0.5373±0.0432
bigbench_paraphrase0multiple_choice_grade0.4750±0.0354
bigbench_sentence_ambiguity0multiple_choice_grade0.4333±0.0645
bigbench_similarities_abstraction0multiple_choice_grade0.7237±0.0516

Framework versions

  • PEFT 0.8.2

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
2593553

0 моделей