This is the 42M parameter Llama 2 architecture model trained on the TinyStories dataset. These are converted from karpathy/tinyllamas. See the llama2.c project for more details.
Характеристики
- Контекст
- 1 024 токена
- Параметры
- 41,7 млн
- Лицензия
- MIT
- Архитектура
- llama · dense
- Опубликована
- 16 сен 2023
Ссылки
tinyllama-42M
Компактная модель архитектуры Llama 2, обученная на TinyStories для генерации коротких текстов и историй.
332скачиваний за 30 дней1лайквеса обновлены21 сен 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.
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
nickypro/tinyllama-42M — компактная языковая модель, опубликованная пользователем nickypro. Это 41,7-миллионная плотная авторегрессионная модель архитектуры Llama 2, обученная на наборе TinyStories; веса преобразованы из karpathy/tinyllamas. Модель предназначена для генерации коротких текстов и историй, а также для экспериментов с небольшими языковыми моделями.
Модель принимает текст и генерирует текст, использует формат PyTorch и имеет контекстное окно 1 024 токена. Карточка не приводит сведения о языках обучения или гарантируемом качестве, поэтому её пригодность для конкретного языка и широких прикладных задач не подтверждена. Лицензия — MIT.
Сценарии применения
- генерация коротких историй
- создание простых текстовых продолжений
- изучение авторегрессионной генерации на небольшой модели
Ограничения
Контекст ограничен 1 024 токенами; обучение на TinyStories может ограничивать качество и разнообразие ответов вне коротких историй. Языки модели и её качество для общих прикладных задач в карточке не описаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей
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
- d72c756