/ Модель

Характеристики

Контекст
8 192 токена
Параметры
5,8 млрд
Размер весов
12,6 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Библиотека
transformers
Опубликована
6 мая 2024

Llama-3-6B-v0

Генерация текстаТекст → текст3 профессии

Нетренированная базовая модель Llama-3 на 5,8 млрд параметров для дальнейшего обучения и экспериментов с текстовой генерацией.

54скачиваний за 30 дней4лайкавеса обновлены24 мая 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.

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

Модель prince-canuma/Llama-3-6B-v0 — базовая языковая модель семейства Llama, созданная Prince Canuma методом downcycling на основе Meta-Llama-3-8B. По описанию автора, это первая базовая модель Llama-3 с размером около 6 млрд параметров; веса представлены в формате safetensors и предназначены для дальнейшего обучения и дообучения.

Модель принимает текст и генерирует текст. В метаданных указаны английский язык и контекст длиной 8192 токена. Автор называет модель нетренированной, поэтому её не следует считать готовой к диалогу или прикладному использованию без обучения. Указана лицензия Llama-3.

Сценарии применения

  • дообучение базовой языковой модели на собственном корпусе
  • эксперименты с уменьшением размера моделей методом downcycling
  • исследование обучения и адаптации архитектуры Llama
  • создание специализированных текстовых моделей на основе Llama-3

Ограничения

Автор описывает модель как нетренированную, поэтому она не готова к обычным пользовательским запросам и требует обучения или дообучения. Контекст ограничен 8192 токенами; лицензия Llama-3 распространяется на её использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Summary

Introducing the world's first Llama-3 base model with 6B parameters. This model is a untrained model which was created from Meta-Llama-3-8B using a technique called downcycling .

You can check trained version of this model here: https://huggingface.co/prince-canuma/Llama-3-6B-v0.1

Model Description

Model Sources

Citation

BibTeX:

@misc{prince2024downcycling,
      title={Efficient LLM Downcycling: Generating Diverse Model Sizes from Pretrained Giants},
      author={Prince Canuma},
      year={2024},
}

Thank You!

I want to extend my heartfelt thanks to the community for the invaluable expertise and unwavering support.

Additionally, I would like to thank Viet from General Catalyst (GC) for providing me with the much needed compute.

This is my most ambitious project yet, and it wouldn't have been possible without the incredible open-source ML community!

Developers, I am eager to see and hear about the innovative fine-tunes and applications you create.

Users, I am excited to learn about your experiences and use cases.

Thank you for your interest and support!

References:

@misc{komatsuzaki2023sparse,
      title={Sparse Upcycling: Training Mixture-of-Experts from Dense Checkpoints}, 
      author={Aran Komatsuzaki and Joan Puigcerver and James Lee-Thorp and Carlos Riquelme Ruiz and Basil Mustafa and Joshua Ainslie and Yi Tay and Mostafa Dehghani and Neil Houlsby},
      year={2023},
      eprint={2212.05055},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}
@misc{sanyal2024pretraining,
      title={Pre-training Small Base LMs with Fewer Tokens}, 
      author={Sunny Sanyal and Sujay Sanghavi and Alexandros G. Dimakis},
      year={2024},
      eprint={2404.08634},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
7529b54

0 моделей