/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
pLLama3.2-3B
Опубликована
17 окт 2024

pLLama3.2-3B-DPO

Генерация текстаТекст → текст5 профессий

Польскоязычная модель radlab на 3,2 млрд параметров для диалогов, выполнения инструкций и генерации текста с улучшением грамотности методом DPO.

15скачиваний за 30 дней0лайковвеса обновлены20 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.

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

radlab/pLLama3.2-3B-DPO — польскоязычная диалоговая модель radlab на архитектуре Llama 3.2 с 3,2 млрд параметров. Она дообучена на 650 тысячах инструкций на польском языке, а затем оптимизирована методом DPO на 100 тысячах примеров, чтобы выбирать грамотно написанные варианты текста.

Модель предназначена для диалогов, выполнения инструкций и генерации текста на польском языке. Контекстное окно составляет 131 072 токена; доступны веса в формате safetensors. В метаданных также заявлены интерфейс вызова инструментов и поддержка польского, английского, испанского и немецкого языков.

Для работы с моделью применяется лицензия Llama 3.2. Карточка рекомендует temperature 0,6 и repetition_penalty 1,0; сравнительные оценки качества или подробные сведения об ограничениях не приведены.

Сценарии применения

  • ответы на вопросы и диалог на польском языке
  • выполнение текстовых инструкций на польском языке
  • генерация польских текстов
  • исправление языковых ошибок и выбор грамотно написанного варианта
  • создание чат-бота с интерфейсом вызова инструментов

Ограничения

Карточка не приводит сравнительных оценок качества или подробных ограничений; результаты могут зависеть от сценария и качества польского текста. Модель основана на данных инструкционного обучения и DPO, а не на заявленной специализированной проверке грамотности.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

image/png

Intro

We have released a collection of radlab/pLLama3.2 models, which we have trained into Polish. The trained version is able to communicate more precisely with the user than the base version of meta-llama/Meta-Llama-3.2 models. As part of the collection, we provide models in 1B and 3B architecture. Each model is available in two configurations:

  • radlab/pLLama3-1B, a model in architecture 1B only after fine-tuning
  • radlab/pLLama3-1B-DPO, a model in architecture 1B after fine-tuning and DPO process
  • radlab/pLLama3-3B, a model in architecture 3B only after fine-tuning
  • radlab/pLLama3-3B-DPO, a model in architecture 3B after fine-tuning and DPO process

Dataset

In addition to the instruction datasets publicly available for Polish, we developed our own dataset, which contains about 650,000 instructions. This data was semi-automatically generated using other publicly available datasets. In addition, we developed a learning dataset for the DPO process, which contained 100k examples in which we taught the model to select correctly written versions of texts from those with language errors.

Learning

The learning process was divided into two stages:

  • Post-training on a set of 650k instructions in Polish, the fine-tuning time was set to 5 epochs.
  • After the FT stage, we retrained the model using DPO on 100k instructions of correct writing in Polish, in this case we set the learning time to 15k steps.

Proposed parameters:

  • temperature: 0.6
  • repetition_penalty: 1.0

Outro

Enjoy!

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
f9453f6

0 моделей