Корейская авторегрессионная модель семейства LLaMA на 10,7 млрд параметров для генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
mssma/ko-solar-10.7b-v0.13 — авторегрессионная языковая модель семейства LLaMA с плотной архитектурой, опубликованная в формате safetensors для библиотеки Transformers. Она содержит 10,7 млрд параметров и рассчитана на генерацию текста на корейском языке; карточка показывает загрузку через AutoModelForCausalLM и AutoTokenizer с точностью float16 и автоматическим распределением по устройствам.
Модель может использоваться для генерации и продолжения корейского текста. Окно контекста составляет 2048 токенов. Лицензия Apache-2.0. README не сообщает базовую модель, способ обучения или оценку качества.
Контекст ограничен 2048 токенами. README не приводит результаты оценки качества или сведения об обучении.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
path = "mssma/ko-solar-10.7b-v0.13"
model = AutoModelForCausalLM.from_pretrained(
path,
return_dict=True,
torch_dtype=torch.float16,
device_map='auto'
)
tokenizer = AutoTokenizer.from_pretrained(path)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…