/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,4 млрд
Размер весов
5 ГБ
Лицензия
Своя лицензия
Архитектура
llama · dense
Библиотека
transformers
Опубликована
13 авг 2024

sarvam-1-v0.5

Генерация текстаТекст → текст3 профессии

Ранний чекпойнт Sarvam на 2,4 млрд параметров для генерации текста на десяти индийских языках и английском.

1 714скачиваний за 30 дней102лайкавеса 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

sarvamai/sarvam-1-v0.5 — ранний контрольный чекпойнт языковой модели Sarvam от Sarvam AI. Это плотная авторегрессионная модель семейства Llama с 2,4 млрд параметров, обученная с нуля на 2 трлн токенов; она ещё не проходила постобучение. Модель предназначена для генерации продолжений текста и работы с текстовыми запросами на английском и десяти индийских языках: бенгальском, гуджарати, хинди, каннада, малаялам, маратхи, ория, панджаби, тамильском и телугу. Длина контекста — 8192 токена.

Токенизатор оптимизирован для индийских языков и, по карточке, имеет средний показатель fertility около 2. Чекпойнт доступен в формате safetensors для Transformers; в README приведён пример генерации на хинди. Поскольку это ранний чекпойнт без постобучения, его диалоговые возможности и качество ответов могут быть ограничены. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • генерация продолжения текста на хинди
  • создание текстов на индийских языках
  • автодополнение текста на бенгальском или тамильском
  • эксперименты с дообучением индийской языковой модели

Ограничения

Это ранний чекпойнт без постобучения, поэтому качество диалоговых ответов и следование инструкциям могут быть ограничены. В предоставленных данных указана лицензия other, но конкретные условия использования не приведены.

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

The fully-trained version of this model is now available at https://huggingface.co/sarvamai/sarvam-1

Update (Aug 15, 2024): You can now get started with text completions and supervised finetuning using this notebook on Google colab!

This is an early checkpoint of sarvam-2b, a small, yet powerful language model pre-trained from scratch on 2 trillion tokens. It is trained to be good at 10 Indic languages + English. Officially, the Indic languages supported are: Bengali, Gujarati, Hindi, Kannada, Malayalam, Marathi, Oriya, Punjabi, Tamil, and Telugu.

The final checkpoint of sarvam-2b will be released soon, and it will be trained on a data mixture of 4 trillion tokens: containing equal parts English (2T) and Indic (2T) tokens.

The current checkpoint has not undergone any post-training. You can see the capabilities of the current checkpoint in this video.

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

Getting started:

from transformers import pipeline
pipe = pipeline(model='sarvamai/sarvam-2b-v0.5', device=0)
pipe('भारत के प्रथम प्रधानमंत्री', max_new_tokens=15, temperature=0.1, repetition_penalty=1.2)[0]['generated_text']
# 'भारत के प्रथम प्रधानमंत्री जवाहरलाल नेहरू थे।\n\n'

Tokenizer

sarvam-2b's tokenizer is built to be efficient for Indic languages and has an average fertility score of ~2 which is significantly lower than other models.

Here is a comparison of fertility scores between sarvam-2b and other popular models.

Sarvam-2BLlama-3.1Gemma-2GPT-4o
ben_Beng2.078.023.722.34
eng_Latn1.431.241.231.23
guj_Gujr1.819.973.92.3
hin_Deva1.42.671.961.65
kan_Knda2.3714.955.553.29
mal_Mlym2.8516.265.883.52
mar_Deva1.773.993.22.56
ory_Orya2.3516.846.876.83
pan_Guru1.688.193.372.72
tam_Taml2.1712.394.193.17
tel_Telu2.1413.34.573.06
Average2.089.344.013.00

More technical details like evaluations and benchmarking will be posted soon.

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
72d6af2

0 моделей