/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
6 дек 2024

Ссылки

Hugging Face

llama3-1-ox-llms-8b-sft-only-germany-data

oxford-llms
Генерация текстаТекст → текст3 профессии

Дообученная Llama 3.1 8B для генерации текста по материалам Европейского социального исследования 2023 года в Германии.

28скачиваний за 30 дней0лайковвеса обновлены6 дек 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

Это дообученная Oxford LLM Group модель Meta Llama 3.1 8B, адаптированная на наборе oxford-llms/european_social_survey_2023_germany_sft. Она предназначена для генерации текста и диалоговых сценариев, связанных с данными Европейского социального исследования 2023 года по Германии. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов.

Модель принимает текст и генерирует текст. В README приведено значение loss 0,5863 на оценочной выборке, однако описание методики оценки и практических ограничений отсутствует. Использование регулируется лицензией Llama 3.1; перед развертыванием следует соблюдать её условия.

Сценарии применения

  • генерация ответов по тематике социального исследования в Германии
  • диалоговые эксперименты с данными European Social Survey 2023
  • адаптация текстовой генерации к немецкому социальному контексту

Ограничения

В карточке не описаны intended uses, ограничения и подробности оценки; приведён только loss 0,5863 на оценочной выборке. Дообучение на данных по Германии не подтверждает точность фактов или пригодность для иных тематик.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

llama3-1-ox-llms-8b-sft-only-germany-data

This model is a fine-tuned version of meta-llama/Llama-3.1-8B on the oxford-llms/european_social_survey_2023_germany_sft dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5863

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: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 64
  • total_eval_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
0.59581.01760.6029
0.54942.03520.5863

Framework versions

  • Transformers 4.45.1
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
5b647b2

0 моделей

    Создать бенчмарк