/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B-Instruct
Библиотека
transformers
Опубликована
18 ноя 2024

Best_Model-llama3.2-3b-Instruct-Finetune-website-QnA

Генерация текстаТекст → текст3 профессии

Дообученная Llama 3.2 отвечает на английском языке на вопросы о курсах, кампусах, сроках обучения и стоимости программ Университета Вестминстера.

18скачиваний за 30 дней0лайковвеса обновлены1 янв 2025

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

Модель roger33303 — дообученная версия диалоговой Llama 3.2 с 3,2 млрд параметров, предназначенная для ответов на вопросы об университетских курсах Университета Вестминстера. Она помогает находить сведения о программах, кампусах, продолжительности и форматах обучения, стоимости для студентов из Великобритании и других стран, а также ссылки на страницы курсов. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке; заявленная длина контекста — 131 072 токена.

Дообучение выполнено на частном наборе данных, собранном с сайта университета; веса представлены в формате safetensors. Лицензия — Apache-2.0. Ответы могут отражать содержимое использованного набора данных и не гарантируют актуальность сведений о курсах и стоимости.

Сценарии применения

  • поиск стоимости курса для студентов из Великобритании и иностранных студентов
  • сравнение очного, заочного и дистанционного форматов обучения
  • поиск доступных кампусов для университетской программы
  • получение краткого описания курса и его продолжительности
  • получение ссылки на страницу курса Университета Вестминстера

Ограничения

Специализация основана на частном наборе данных, собранном с сайта Университета Вестминстера, поэтому ответы ориентированы на сведения об этом вузе. Данные о курсах и стоимости могут устаревать; README не сообщает о регулярном обновлении набора данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama-3.2B Finetuned Model

1. Introduction

This model is a finetuned version of the Llama-3.2B large language model. It has been specifically trained to provide detailed and accurate responses for university course-related queries. This model offers insights on course details, fee structures, duration, and campus options, along with links to corresponding course pages. The finetuning process ensured domain-specific accuracy by utilizing a tailored dataset.


2. Dataset Used for Finetuning

The finetuning of the Llama-3.2B model was performed using a private dataset obtained through web scraping. Data was collected from the University of Westminster website and included:

  • Course titles
  • Campus details
  • Duration options (full-time, part-time, distance learning)
  • Fee structures (for UK and international students)
  • Course descriptions
  • Direct links to course pages

This dataset was carefully cleaned and formatted to enhance the model's ability to provide precise responses to user queries.


3. How to Use This Model

To use the Llama-3.2B finetuned model, follow the steps below:

  1. Prepare the Query Function
    • Define the function to handle user queries and generate responses:

      from transformers import TextStreamer
      

def chatml(question, model): messages = [{"role": "user", "content": question},]

     inputs = tokenizer.apply_chat_template(messages,
                                            tokenize=True,
                                            add_generation_prompt=True,
                                            return_tensors="pt",).to("cuda")

     print(tokenizer.decode(inputs[0]))
     text_streamer = TextStreamer(tokenizer, skip_special_tokens=True,
                                  skip_prompt=True)
     return model.generate(input_ids=inputs,
                           streamer=text_streamer,
                           max_new_tokens=512)
 ```

2. Query the Model

  • Use the following example to test the model:

    question = "Does the University of Westminster offer a course on AI, Data and Communication MA?"
    x = chatml(question, model)
    

This setup ensures you can effectively query the Llama-3.2B finetuned model and receive detailed, relevant responses.


Uploaded model

  • Developed by: roger33303
  • License: apache-2.0
  • Finetuned from model : unsloth/Llama-3.2-3B-Instruct

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
0ba4c48

0 моделей