/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
1,5 млрд
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Qwen-1_8B-Llamafied
Опубликована
20 янв 2024

Ссылки

Hugging Face

quan-1.8b-base

qnguyen3
Генерация текстаТекст → текст3 профессии

Дообученная модель на архитектуре Llama с 1,5 млрд параметров для генерации текста в контексте до 8192 токенов.

25скачиваний за 30 дней3лайкавеса обновлены20 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.

  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

qnguyen3/quan-1.8b-base — дообученная текстовая модель, созданная на основе KnutJaegersberg/Qwen-1_8B-Llamafied. В репозитории указана архитектура LlamaForCausalLM с 1,5 млрд параметров и контекстом до 8192 токенов; веса представлены в формате PyTorch. Модель предназначена для генерации текста.

Карточка не описывает целевые сценарии, обучающие данные или результаты оценки, поэтому пригодность для конкретных задач и качество ответов оценить нельзя. Указана лицензия other, без уточнения условий использования.

Сценарии применения

  • генерация текста по запросу
  • продолжение текстового фрагмента
  • создание прототипов приложений с генерацией текста

Ограничения

README не раскрывает обучающие данные, целевые сценарии и результаты оценки, поэтому качество и специализацию модели установить нельзя. Условия лицензии обозначены как other, но не пояснены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qwen-1.8b-vi-pt

This model is a fine-tuned version of KnutJaegersberg/Qwen-1_8B-Llamafied on the None dataset.

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-06
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • total_eval_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
ae98577

0 моделей

    Создать бенчмарк