/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,4 млрд
Размер весов
5,1 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
23 окт 2024

sarvam-1

Генерация текстаТекст → текст5 профессий

Sarvam-1 — языковая модель Sarvam AI для генерации текста и дообучения под задачи на десяти индийских языках и английском.

8 448скачиваний за 30 дней153лайкавеса обновлены8 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 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

Sarvam-1 — плотная авторегрессионная языковая модель Sarvam AI примерно на 2,4 млрд параметров, оптимизированная для десяти индийских языков и английского. Она построена на архитектуре LlamaForCausalLM и распространяется в формате safetensors; карточка указывает контекст до 8192 токенов. Модель обучали с помощью NVIDIA NeMo на корпусе примерно из 4 трлн токенов, включая 2 трлн токенов на индийских языках.

Модель предназначена для продолжения текста и дообучения под прикладные задачи: например, для генерации текста, перевода между английским и индийскими языками, ответов на вопросы и суммирования. В README сообщается о сравнительных результатах на бенчмарках для индийских языков и об эффективности токенизации; метаданные также отмечают чат и интерфейс вызова инструментов, однако README предупреждает, что модель сама по себе не является чат-моделью и не следует ей напрямую поручать инструкции без соответствующего дообучения.

Sarvam-1 поддерживает бенгальский, гуджарати, хинди, каннада, малаялам, маратхи, ория, панджаби, тамильский и телугу, а также английский. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

Сценарии применения

  • генерация продолжения текста на индийских языках
  • дообучение для перевода с английского на индийские языки
  • дообучение для ответов на вопросы на хинди и других индийских языках
  • суммирование текстов на индийских языках после адаптации

Ограничения

Это модель продолжения текста, а не готовая чат- или инструкционная модель; для таких сценариев требуется дообучение. В предоставленных данных условия лицензии не приведены.

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

Sarvam-1

Sarvam-1 is a 2-billion parameter language model specifically optimized for Indian languages. It provides best in-class performance in 10 Indic languages (bn, gu, hi, kn, ml, mr, or, pa, ta, te) when compared with popular models like Gemma-2-2B and Llama-3.2-3B. It is also competitive against the much larger models like Llama-3.1-8B in these languages. More details can be found in our release blog.

The model was trained with NVIDIA NeMo™ Framework on the Yotta Shakti Cloud using HGX H100 systems.

Note: This is a text-completion model. It is meant to be finetuned on downstream tasks, and cannot be used directly as a chat or an instruction-following model.

Key Features

  • Optimized for 10 Indian Languages: Built from the ground up to support major Indian languages alongside English
  • Superior Token Efficiency: Achieves fertility rates of 1.4-2.1 across all supported languages, 2-4x more efficient than existing multilingual models
  • High-Quality Training Data: Trained on a curated corpus of ~4 trillion tokens with 2 trillion high-quality Indic tokens
  • Efficient Inference: 4-6x faster inference compared to larger models while matching or exceeding their performance on Indic language tasks

Model Architecture

  • Hidden size: 2048
  • Intermediate size: 11,008
  • Number of attention heads: 16
  • Number of hidden layers: 28
  • Number of key-value heads: 8
  • Maximum position embeddings: 8,192
  • Activation function: SwiGLU
  • Positional embeddings: Rotary (RoPE) with theta=10,000
  • Training: Grouped-query attention and bfloat16 mixed-precision

Performance

Translated Academic Benchmarks (Zero-shot)

  • MMLU: 44.44
  • ARC-Challenge: 58.50
  • TriviaQA: 90.62
  • BoolQ: 80.68

IndicGenBench (One-shot)

  • Flores English-to-Indic translation: 39.83 chrF++
  • CrossSum: 20.48 chrF++
  • XORQA: 25.27 F1
  • XQUAD: 41.58 F1

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

# Load model and tokenizer
model = AutoModelForCausalLM.from_pretrained("sarvamai/sarvam-1")
tokenizer = AutoTokenizer.from_pretrained("sarvamai/sarvam-1")

# Example usage
text = "कर्नाटक की राजधानी है:"
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=5)
result = tokenizer.decode(outputs[0])

Training Details

  • Training Infrastructure: Yotta's Shakti cluster
  • Hardware: 1,024 GPUs
  • Training Duration: 5 days
  • Framework: NVIDIA NeMo

License

Sarvam non-commercial license: See the LICENSE file

Acknowledgements

  • NVIDIA: for support with the NeMo codebase
  • Yotta: for sccess to the Shakti GPU cluster
  • AI4Bharat: for their academic partnership and expertise in Indian language technologies

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
e960733

0 моделей