/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
30 июл 2024

llama-2-7b-RandomGPT-5K-ar

Генерация текстаТекст → текст3 профессии

Экспериментальный LoRA-адаптер Llama 2 7B для ответов на вопросы на арабском языке.

20скачиваний за 30 дней0лайковвеса обновлены17 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

Адаптер LoRA для модели Llama 2 7B, разработанный Saja Nakhleh для ответов на вопросы на арабском языке. Он дообучен на наборах sajaw/Arasquad3_llama2_version2 и sajaw/GQA_llama2_version; контекст, вопрос и ответ объединялись с инструкциями в одну запись. Для запуска адаптеру нужна базовая модель Llama 2 7B и совместимый загрузчик LoRA. В README приведены результаты проверки на 250 примерах AraSquad: F1 0,6818, точность 0,6564 и полнота 0,7226.

Модель предназначена для вопросов и ответов по арабским текстам, включая сценарии, похожие на используемые наборы данных. Это экспериментальная разработка; приведённые метрики относятся к ограниченной выборке и не гарантируют качество на других данных. Репозиторий содержит адаптер, а для доступа к базовым весам Llama 2 требуется принять условия Meta. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • ответы на вопросы по арабским текстам
  • извлечение ответа из заданного контекста на арабском языке
  • создание прототипа арабского чат-бота с вопросами и ответами

Ограничения

Модель экспериментальная, а оценка основана на 250 примерах AraSquad; качество на других данных может отличаться. Для работы необходимы базовые веса Llama 2 7B, доступ к которым требует согласия с условиями Meta.

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

Model Card for Model ID

This model is an LoRA adapter file from finetuned Llama-2-7b-hf model. This is an experimental model.

To run it, you need to:

Agree with Meta's agreements to download the Llama-2-13b-chat-hf model from here: https://huggingface.co/meta-llama/Llama-2-13b-chat-hf Clone this repository Clone the Alpaca-LoRA repository from here: https://github.com/tloen/alpaca-lora Use this command to run it: -python generate.py --load_8bit --base_model 'PATH_TO_YOUR_LOCAL_LLAMA_2_7B_CHAT_HF' --lora_weights 'PATH_TO_YOUR_LOCAL_FILE_OF_THIS_MODEL' You must agree with Meta/Llama-2's agreements to use this model.

Model Details

Model Description

  • Developed by: Saja Nakhleh

  • Model type: Question answering model

  • Language(s) (NLP): Arabic

  • Finetuned from model [optional]: llama-2-7b

Model Sources [optional]

  • Paper [optional]: Not Yet

Bias, Risks, and Limitations

This model performs well with hetrogenius data.

Recommendations

None

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoConfig, AutoModel, AutoTokenizer config = AutoConfig.from_pretrained("sajaw/llama-2-7b-RandomGPT-5K-ar") model = AutoModel.from_pretrained("sajaw/llama-2-7b-RandomGPT-5K-ar") tokenizer = AutoTokenizer.from_pretrained("sajaw/llama-2-7b-RandomGPT-5K-ar")

Training Details

Training Data

  • sajaw/Arasquad3_llama2_version2
  • sajaw/GQA_llama2_version

Preprocessing [optional]

Context, questions and answers are concatinated with the instructions in one "message" record

Training Hyperparameters

  • Training regime: NA

Speeds, Sizes, Times [optional]

NA

Evaluation

Testing Data, Factors & Metrics

Testing Data

We have used 250 samples from AraSquad as true samples to test the model

Factors

NA

Metrics

F1-score, precision, recall

Results

F1-score= 0.6818 precision= 0.6564 recall=0.7226

Summary

Model Examination [optional]

NA

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: kaggle - GPU T4 *2
  • Hours used: 9 hours
  • Cloud Provider: kaggle
  • Compute Region: NA
  • Carbon Emitted: NA

Technical Specifications [optional]

Model Architecture and Objective

NA

Compute Infrastructure

NA

Hardware

NA

Software

NA

Citation [optional]

BibTeX:

APA:

Glossary [optional]

NA

More Information [optional]

NA

Model Card Authors [optional]

Saja Nakhleh

Model Card Contact

swnakhleh21@cit.just.edu.jo

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
f016cf3

0 моделей