Характеристики

Контекст: 4 096 токенов
Параметры: 10,7 млрд
Размер весов: 43,5 ГБ
Лицензия: MIT
Архитектура: llama · dense
Опубликована: 17 янв 2024

Ссылки

Hugging Face

ko_solra_merge

realPCH

Генерация текстаТекст → текст4 профессии

Дообученная 10,7-миллиардная Llama-модель для генерации текста с контекстом до 4096 токенов.

18скачиваний за 30 дней0лайковвеса обновлены18 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

realPCH/ko_solra_merge — дообученная языковая модель, опубликованная пользователем realPCH. В README указано, что она создана на основе yanolja/KoSOLAR-10.7B-v0.1 с использованием различных наборов данных. По архитектуре это плотная Llama-модель для генерации текста, содержащая 10,7 млрд параметров и рассчитанная на контекст до 4096 токенов.

Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовый ответ. README показывает загрузку через Transformers. Модель распространяется в формате Safetensors по лицензии MIT; сведения о конкретных наборах данных и результатах оценки не приведены.

Сценарии применения

генерация текстовых ответов по запросу
продолжение заданного текста
создание черновиков на основе текстовой инструкции

Ограничения

В README не названы обучающие наборы данных и не приведены результаты оценки качества. Поддерживаемые языки не обозначены.

Для каких профессий подходит4

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 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Developed by chPark

Training Strategy

We fine-tuned this model based on yanolja/KoSOLAR-10.7B-v0.1 with various dataset

Run the model

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "realPCH/ko_solra_merge"
tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(model_id)

text = "[INST] Put instruction here. [/INST]"
inputs = tokenizer(text, return_tensors="pt")

outputs = model.generate(**inputs, max_new_tokens=20)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

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: dbaccac