Характеристики

Контекст: 4 096 токенов
Параметры: 2,6 млрд
Лицензия: Llama 2
Архитектура: llama · dense
Опубликована: 23 янв 2024

Ссылки

Sheared-LLaMA-2.7B-Pruned

Генерация текстаТекст → текст3 профессии

Прореженная версия Llama 2 с 2,6 млрд параметров для генерации текста и исследований влияния прореживания на возможности языковых моделей.

27скачиваний за 30 дней3лайкавеса обновлены23 янв 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.

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

Sheared-LLaMA-2.7B-Pruned — плотная авторегрессионная языковая модель семейства LLaMA, созданная Princeton NLP путём прореживания meta-llama/Llama-2-7b-hf. Модель содержит около 2,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Для эксперимента по прореживанию использовали около 0,4 млрд токенов, без последующего предварительного обучения модели.

Модель предназначена прежде всего для изучения влияния прореживания на знания и рассуждения больших языковых моделей, сравнения методов прореживания и экспериментов с составом данных для дальнейшего предварительного обучения. Она не является вариантом из семейства instruction-tuned Sheared-LLaMA-ShareGPT. Использование и распространение должны соответствовать лицензии Llama 2.

Сценарии применения

экспериментальное продолжение предварительного обучения прореженной модели
сравнение методов прореживания языковых моделей
оценка сохранения знаний после прореживания
изучение влияния прореживания на рассуждения LLM
исследование смесей данных для дальнейшего обучения

Ограничения

Модель прорежена без последующего предварительного обучения, поэтому её знания и способности к рассуждению могут быть ограничены; README ориентирует её на эксперименты и оценку. Не является instruction-tuned вариантом ShareGPT.

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 341модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.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

Открыть на Hugging Face

license: llama2

Paper: https://arxiv.org/pdf/2310.06694.pdf
Code: https://github.com/princeton-nlp/LLM-Shearing
Models: Sheared-LLaMA-1.3B, Sheared-LLaMA-2.7B
Pruned Models without Continued Pre-training: Sheared-LLaMA-1.3B-Pruned, Sheared-LLaMA-2.7B-Pruned Instruction-tuned Models: Sheared-LLaMA-1.3B-ShareGPT, Sheared-LLaMA-2.7B-ShareGPT

License: Must comply with license of Llama2 since it's a model derived from Llama2.

Sheared-LLaMA-2.7B-Pruned is the model pruned from meta-llama/Llama-2-7b-hf without continued pre-training. We used roughly 0.4B tokens to perform the pruning experiment. This model could be a good use to study

effective data mixtures for continued pre-training
comparisons to other pruning techniques
extensive evaluations to understand how pruning affects knowledge and reasoning capabilities of LLMs

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: b4b1952