/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,3 млрд
Размер весов
6,9 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
open_llama_3b
Библиотека
transformers
Опубликована
11 дек 2023

open_llama_3b_code_instruct_0.1

Генерация текстаТекст → текст8 профессий

Дообученная OpenLLaMA 3B для генерации ответов на инструкции и запросы, связанные с кодом.

80скачиваний за 30 дней3лайкавеса обновлены23 апр 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

OpenLLaMA Code Instruct — языковая модель mwitiderrick, дообученная на один проход по датасету AlpacaCode из 122 тысяч примеров. Она построена на архитектуре LLaMA и предназначена для генерации текста в формате инструкций, в частности для ответов на запросы, связанные с кодом. Для взаимодействия используется шаблон с секциями Instruction и Response.

Модель содержит 3,3 млрд параметров, принимает и генерирует текст и имеет контекст длиной 2048 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors по лицензии Apache-2.0; оценки в README приведены для нескольких бенчмарков, но не описывают качество решения конкретных задач программирования.

Сценарии применения

  • генерация фрагментов кода по текстовому запросу
  • ответы на вопросы о программировании
  • выполнение инструкций в формате AlpacaCode

Ограничения

Контекст ограничен 2048 токенами. Приведённые в README бенчмарки не подтверждают качество модели на конкретных задачах программирования.

Для каких профессий подходит8

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

OpenLLaMA Code Instruct: An Open Reproduction of LLaMA

This is an OpenLlama model that has been fine-tuned on 1 epoch of the AlpacaCode dataset (122K rows).

Prompt Template

### Instruction:

{query}

### Response:
<Leave new line for model to respond> 

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM,pipeline

tokenizer = AutoTokenizer.from_pretrained("mwitiderrick/open_llama_3b_code_instruct_0.1")
model = AutoModelForCausalLM.from_pretrained("mwitiderrick/open_llama_3b_code_instruct_0.1")
query = "Write a quick sort algorithm in Python"
text_gen = pipeline(task="text-generation", model=model, tokenizer=tokenizer, max_length=200)
output = text_gen(f"### Instruction:\n{query}\n### Response:\n")
print(output[0]['generated_text'])
"""
### Instruction:
write a quick sort algorithm in Python
### Response:
def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    else:
        pivot = arr[len(arr) // 2]
        left = [x for x in arr if x < pivot]
        middle = [x for x in arr if x == pivot]
        right = [x for x in arr if x > pivot]
        return quick_sort(left) + middle + quick_sort(right)

arr = [5,2,4,3,1]
print(quick_sort(arr))
"""
[1, 2, 3, 4, 5]
"""

Metrics

Detailed metrics

|  Tasks   |Version|Filter|n-shot|Metric|Value |   |Stderr|
|----------|-------|------|-----:|------|-----:|---|-----:|
|winogrande|Yaml   |none  |     0|acc   |0.6267|±  |0.0136|
|hellaswag|Yaml   |none  |     0|acc     |0.4962|±  |0.0050|
|         |       |none  |     0|acc_norm|0.6581|±  |0.0047|
|arc_challenge|Yaml   |none  |     0|acc     |0.3481|±  |0.0139|
|             |       |none  |     0|acc_norm|0.3712|±  |0.0141|
|truthfulqa|N/A    |none  |     0|bleu_max   | 24.2580|±  |0.5985|
|          |       |none  |     0|bleu_acc   |  0.2876|±  |0.0003|
|          |       |none  |     0|bleu_diff  | -8.3685|±  |0.6065|
|          |       |none  |     0|rouge1_max | 49.3907|±  |0.7350|
|          |       |none  |     0|rouge1_acc |  0.2558|±  |0.0002|
|          |       |none  |     0|rouge1_diff|-10.6617|±  |0.6450|
|          |       |none  |     0|rouge2_max | 32.4189|±  |0.9587|
|          |       |none  |     0|rouge2_acc |  0.2142|±  |0.0002|
|          |       |none  |     0|rouge2_diff|-12.9903|±  |0.9539|
|          |       |none  |     0|rougeL_max | 46.2337|±  |0.7493|
|          |       |none  |     0|rougeL_acc |  0.2424|±  |0.0002|
|          |       |none  |     0|rougeL_diff|-11.0285|±  |0.6576|
|          |       |none  |     0|acc        |  0.3072|±  |0.0405|

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.39.72
AI2 Reasoning Challenge (25-Shot)41.21
HellaSwag (10-Shot)66.96
MMLU (5-Shot)27.82
TruthfulQA (0-shot)35.01
Winogrande (5-shot)65.43
GSM8k (5-shot)1.90

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
cee588a

0 моделей