/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,9 млрд
Размер весов
9 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Базовая модель
Llama-3.1-Minitron-4B-Width-Base
Библиотека
transformers
Опубликована
27 авг 2024

Llama-3.1-Minitron-4B-Chat

Генерация текстаТекст → текст15 профессий

Чат-модель Llama на 3,9 млрд параметров для генерации ответов и выполнения текстовых инструкций.

29скачиваний за 30 дней4лайкавеса обновлены27 авг 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

Llama-3.1-Minitron-4B-Chat — чат-модель на архитектуре Llama, созданная дообучением базовой модели NVIDIA nvidia/Llama-3.1-Minitron-4B-Width-Base. Разработчик провёл supervised fine-tuning на 64 тысячах пар «инструкция — ответ» из набора teknium/OpenHermes-2.5; модель содержит 3,9 млрд параметров и рассчитана на генерацию текста в диалоговом формате.

Модель подходит для ответов на вопросы, выполнения инструкций и других текстовых диалоговых сценариев. Указанная длина контекста — 131 072 токена. Для использования автор рекомендует передавать запросы в формате чата с ролями system, user и assistant. В метаданных указана библиотека Transformers и формат весов safetensors; лицензия обозначена как other.

Сценарии применения

  • ответы на вопросы в диалоге
  • выполнение текстовых инструкций
  • создание чат-бота общего назначения

Ограничения

Для модели рекомендован формат диалога с ролями system, user и assistant. В README отмечено, что поддержка модели будет добавлена в будущий выпуск Transformers; лицензия указана как other.

Для каких профессий подходит15

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

Llama-3.1-Minitron-4B-Chat

This is an instruction-tuned version of nvidia/Llama-3.1-Minitron-4B-Width-Base that has underwent supervised fine-tuning with 64k instruction-response pairs from the teknium/OpenHermes-2.5 dataset on a single A100 40GB GPU.

How to use

Chat Format

Given the nature of the training data, the Llama-3.1-Minitron-4B chat model is best suited for prompts using the chat format as follows. You can provide the prompt as a question with a generic template as follows:

<|im_start|>system
You are a helpful assistant.<|im_end|>
<|im_start|>user
Question?<|im_end|>
<|im_start|>assistant

For example:

<|im_start|>system
You are a helpful assistant.<|im_end|>
<|im_start|>user
How to explain Internet for a medieval knight?<|im_end|>
<|im_start|>assistant

where the model generates the text after <|im_start|>assistant .

Sample inference code

Support for this model will be added in the upcoming transformers release. In the meantime, please install the library from source:

pip install git+https://github.com/huggingface/transformers

This code snippets show how to get quickly started with running the model on a GPU:

import torch 
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline 

torch.random.manual_seed(0) 

model_id = "rasyosef/Llama-3.1-Minitron-4B-Chat"
model = AutoModelForCausalLM.from_pretrained( 
    model_id,  
    device_map="auto",  
    torch_dtype=torch.bfloat16 
) 

tokenizer = AutoTokenizer.from_pretrained(model_id) 

messages = [ 
    {"role": "system", "content": "You are a helpful AI assistant."}, 
    {"role": "user", "content": "Can you provide ways to eat combinations of bananas and dragonfruits?"}, 
    {"role": "assistant", "content": "Sure! Here are some ways to eat bananas and dragonfruits together: 1. Banana and dragonfruit smoothie: Blend bananas and dragonfruits together with some milk and honey. 2. Banana and dragonfruit salad: Mix sliced bananas and dragonfruits together with some lemon juice and honey."}, 
    {"role": "user", "content": "What about solving an 2x + 3 = 7 equation?"}, 
] 

pipe = pipeline( 
    "text-generation", 
    model=model, 
    tokenizer=tokenizer, 
) 

generation_args = { 
    "max_new_tokens": 256, 
    "return_full_text": False, 
    "temperature": 0.0, 
    "do_sample": False, 
} 

output = pipe(messages, **generation_args) 
print(output[0]['generated_text'])  

Note: If you want to use flash attention, call AutoModelForCausalLM.from_pretrained() with attn_implementation="flash_attention_2"

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
7ecde54

0 моделей