Характеристики

Контекст: 2 048 токенов
Параметры: 6,6 млрд
Размер весов: 27 ГБ
Лицензия: Apache 2.0
Архитектура: llama · dense
Базовая модель: ko-ref-llama2-7b
Опубликована: 26 окт 2023

Ссылки

Hugging Face

ko-ref-llama2-7b-Inst

nayohan

Генерация текстаТекст → текст4 профессии

Инструктивная корейскоязычная модель LLaMA 2 на 6,6 млрд параметров для генерации ответов и другого текста по запросу.

12скачиваний за 30 дней1лайквеса обновлены26 окт 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

nayohan/ko-ref-llama2-7b-Inst — инструктивно дообученная модель на основе hyunseoki/ko-ref-llama2-7b, построенной на архитектуре LLaMA 2. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста по инструкциям на корейском языке. По README, для дообучения использовали 10% инструктивного набора Kullm, OIG и KoAlpaca; указана длина обучения 152 шага. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов и распространяется под лицензией Apache-2.0.

Карточка содержит мало сведений об оценке качества и ограничениях; короткое обучение на части данных может ограничивать широту следования инструкциям.

Сценарии применения

ответы на вопросы на корейском языке
выполнение текстовых инструкций на корейском языке
генерация корейского текста по запросу

Ограничения

Для дообучения использована только часть инструктивных наборов данных, а README указывает на 152 шага обучения; это может ограничивать качество и разнообразие ответов. В карточке нет результатов оценки модели.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a instruct-tuned ko-ref-llama2-7b model, using only 10% of [Kullm, OIG, KoAlpaca] Instruction dataset. len10_k100_mppl_n0.1.json -> 152step

Training hyperparameters

learning_rate: 5e-5
train_batch_size: 1
seed: 42
distributed_type: multi-GPU (A30 24G) + CPU Offloading(160GB)
num_devices: 2
gradient_accumulation_steps: 32
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Framework versions

Transformers 4.30.2
Pytorch 2.0.1+cu117
Datasets 2.11.0
deepspeed 0.9.5

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: 1be158f