base_model: meta-llama/Llama-3-8b tags:
- llama
- korean
- finance datasets:
- amphora/krx-sample-instructions
Model Card
Model Details
- Base Model: Meta-Llama-3.1-8B
- Fine-tuned Model: nextvalueup/Meta-Llama-3.1-8B
Характеристики
- Контекст
- 131 072 токена
- Параметры
- 7,5 млрд
- Размер весов
- 16,1 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Базовая модель
- Llama-3-8b
- Опубликована
- 29 окт 2024
Ссылки
Meta-Llama-3.1-8B
Дообученная на инструкциях по корейскому фондовому рынку модель Llama для генерации текста на финансовые темы.
9скачиваний за 30 дней0лайковвеса обновлены30 окт 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.
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.
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
nextvalueup/Meta-Llama-3.1-8B — дообученная языковая модель компании NextValueUp на основе Meta-Llama-3-8b. Модель предназначена для генерации текста; в карточке указано дообучение на наборе инструкций amphora/krx-sample-instructions, связанном с корейским фондовым рынком и финансами.
Модель имеет плотную архитектуру семейства Llama с примерно 7,5 млрд параметров, принимает текст и генерирует текст. Метаданные указывают контекст до 131 072 токенов, формат весов PyTorch и лицензию Apache 2.0. В карточке нет результатов оценки качества или подробностей о поведении модели, поэтому её пригодность для финансовых решений следует проверять на целевых данных.
Сценарии применения
- ответы на вопросы о корейском фондовом рынке
- генерация ответов на финансовые инструкции
- черновая подготовка финансовых пояснений
- суммирование предоставленной информации о рынке
Ограничения
Карточка не приводит оценок качества, поэтому ответы по финансовым вопросам требуют проверки. Языковая поддержка корейского следует из тегов и набора данных; карточка не описывает её подробно.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 9f16d7d