/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
18,7 млн
Архитектура
mistral · dense
Базовая модель
baby-python-mistral-1L-tiny-base
Опубликована
16 мар 2024

Ссылки

Hugging FacearXiv 2410.12391

baby-python-mistral-1L-tiny-lua-ft

nilq
Генерация текстаТекст → текст3 профессии

Небольшая дообученная модель Mistral для генерации текста и кода на Lua.

47скачиваний за 30 дней0лайковвеса обновлены17 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.

  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.

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

nilq/baby-python-mistral-1L-tiny-lua-ft — небольшая языковая модель на архитектуре Mistral, дообученная nilq на наборе nilq/small-lua-stack. Это Lua-вариант модели из работы Tracking Universal Features Through Fine-Tuning and Model Merging. Модель предназначена для генерации текста, в частности кода на Lua.

Число параметров — 18,7 млн, контекст — 2048 токенов. В README приведены результаты оценки: loss 2,4518 и accuracy 0,4941. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация фрагментов кода на Lua
  • продолжение исходного кода Lua
  • эксперименты с влиянием дообучения на специализацию модели

Ограничения

В README не описаны ограничения применения и детали обучающих данных; на оценочном наборе указаны accuracy 0,4941 и loss 2,4518.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

baby-python-mistral-1L-tiny-lua-ft

This model is a fine-tuned version of nilq/baby-python-mistral-1L-tiny-base on the nilq/small-lua-stack dataset. This is the Lua model in the paper Tracking Universal Features Through Fine-Tuning and Model Merging. It achieves the following results on the evaluation set:

  • Loss: 2.4518
  • Accuracy: 0.4941

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.38.1
  • Pytorch 2.2.0+cu121
  • Datasets 2.17.1
  • Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
0cc4ade

0 моделей

    Создать бенчмарк