/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
15 авг 2023

LosslessMegaCoder-llama2-13b-mini

Генерация текстаТекст → текст7 профессий

Модель Llama 2 на 13 млрд параметров, дообученная для генерации и продолжения кода.

69скачиваний за 30 дней10лайковвеса обновлены17 ноя 2023

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

LosslessMegaCoder-llama2-13b-mini — языковая модель для генерации кода, созданная Rombodawg совместно с Andreaskoepf, участником Open Assistant. Это плотная авторегрессионная модель семейства Llama 2 с 12,9 млрд параметров, опубликованная в формате PyTorch; для неё указан контекст до 2048 токенов.

Модель обучена на отфильтрованной версии набора LosslessMegaCodeTrainingV2_1m_Evol_Uncensored: из данных удаляли примеры короче 100 токенов. Она предназначена для генерации и продолжения кода, а также для диалогового взаимодействия по шаблону ChatML. В README приведён результат 0,29 на HumanEval+; также показаны результаты Open LLM Leaderboard, но они не гарантируют качество на конкретных задачах.

В карточке указана лицензия Llama 2. Короткий контекст ограничивает работу с большими файлами и длинными запросами. Данные обучения описаны как uncensored, поэтому ответы могут требовать дополнительной проверки и фильтрации.

Сценарии применения

  • генерация фрагментов кода по текстовому запросу
  • продолжение кода в заданном стиле
  • диалоговые ответы на вопросы о программировании
  • создание прототипов и вспомогательных скриптов

Ограничения

Контекст ограничен 2048 токенами, поэтому модель неудобна для обработки больших файлов и длинных запросов. Результат HumanEval+ из README не гарантирует качество на других задачах; сгенерированный код следует проверять.

Для каких профессий подходит7

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

  • Please note this model was not trained on the rombodawg/LosslessMegaCodeTrainingV3_MINI dataset, despite the name similarity. You can find the training data at the bottom of the model card labeled (megacode2-min100)

This is one of the first models trained on the LosslessMegaCodeTrainingV2_1m_Evol_Uncensored dataset. The version of the dataset used for this model was filtered by removed any data with less than 100 tokens but plans for much more refined filtering are in the works

  • This model was made as a colaboration between me and andreaskoepf who is an affiliate of Open Assistant.

This Model score .29 on humaneval+ the same as LLaMA-2 70B Chat Link bellow (in this benchmark the model is called andreaskoepf/llama2-13b-megacode2_min100)

Prompt template:

  • chatml format is used: "<|im_start|>system\n{system message}<|im_end|>\n<|im_start|>user\n{user prompt}<|im_end|>\n<|im_start|>assistant\n{Assistant answer}<|im_end|>\n"

multi-line:

<|im_start|>system
{system message}<|im_end|>
<|im_start|>user
{user prompt}<|im_end|>
<|im_start|>assistant
{Assistant answer}<|im_end|>

Gpt4all template:

  • System prompt
<|im_start|>system
"Below is an instruction that describes a task. Write a response that appropriately completes the request."
  • Prompt template
<|im_end|>
<|im_start|>user
"%1"<|im_end|>
<|im_start|>assistant

Oobagooba Text-Generation-Webui Template

  • user:
  <|im_start|>user
  {User string}<|im_end|>
  • bot:
  <|im_start|>assistant
  {Bot string}<|im_end|>
  • turn_template:
<|user|>\n<|user-message|>\n\n<|bot|>\n<|bot-message|>\n\n
  • context:
  <|im_start|>system
  Below is an instruction that describes a task. Write a response that appropriately completes the request.<|im_end|>

Current quantizations available:

Training data:

The link for the full dataset is bellow:

Link for the filtered dataset used to make this model are bellow:

The original posting for this model was uploaded at the link bellow.

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.49.92
ARC (25-shot)60.58
HellaSwag (10-shot)81.26
MMLU (5-shot)57.92
TruthfulQA (0-shot)48.89
Winogrande (5-shot)76.95
GSM8K (5-shot)15.92
DROP (3-shot)7.89

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
6e1c2f5

0 моделей