/ Модель

Характеристики

Контекст
8 192 токена
Параметры
9 млрд
Размер весов
20,3 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
gemma2 · dense
Опубликована
18 сен 2024

recoilme-gemma-2-9B-v0.3

Генерация текстаТекст → текст5 профессий

Слитая диалоговая модель Gemma 2 на 9 млрд параметров для генерации текста и общения.

35скачиваний за 30 дней4лайкавеса обновлены27 ноя 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5761

    text-generation 0,7439
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,602

    text-generation 0,5993
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4632

    text-generation 0,4204
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,4072

    text-generation 0,4039
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0876

    text-generation 0,1888
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,3238

    text-generation 0,3372
    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

recoilme/recoilme-gemma-2-9B-v0.3 — слитая диалоговая модель на архитектуре Gemma 2 с 9 млрд параметров, представленная в формате safetensors. Она предназначена для генерации текста и общения в чат-сценариях; заявленная длина контекста — 8192 токена. README содержит результаты оценки Open LLM Leaderboard, включая IFEval и BBH, но не описывает дополнительные специализированные сценарии.

Модель создана слиянием ehristoforu/Gemma2-9B-it-psy10k и recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

Сценарии применения

  • ведение диалога с пользователем
  • генерация ответов в чат-боте
  • создание текстовых продолжений по запросу

Ограничения

README приводит лишь часть результатов Open LLM Leaderboard и не раскрывает подробные ограничения или языковую специализацию модели. Лицензия CC-BY-NC-4.0 не допускает коммерческое использование.

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

recoilme-gemma-2-9B-v0.3

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "recoilme/recoilme-gemma-2-9B-v0.3"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.30.21
IFEval (0-Shot)74.39
BBH (3-Shot)42.03
MATH Lvl 5 (4-Shot)8.76
GPQA (0-shot)9.84
MuSR (0-shot)12.08
MMLU-PRO (5-shot)34.14

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma2ForCausalLM
Ревизия весов
6f9f18c

0 моделей