/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
8,3 млрд
Размер весов
17,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
internlm3-8b-instruct
Опубликована
15 янв 2025

InternLM3-8B-Instruct-Converted-LlaMA

Генерация текстаТекст → текст11 профессий

Преобразованная в формат LLaMA версия диалоговой InternLM3-8B-Instruct для совместимого текстового инференса.

18скачиваний за 30 дней6лайковвеса обновлены17 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

Это преобразованная версия InternLM3-8B-Instruct от InternLM, представленная в формате архитектуры LLaMA для совместимости с некоторыми сценариями инференса. Модель содержит 8,3 млрд параметров, использует плотную архитектуру и предназначена для диалоговых запросов и генерации текста. Контекстное окно составляет 32 768 токенов; точность весов сохранена на уровне исходной модели.

Модель принимает текст и выдаёт текст. Она подходит для чат-приложений и инференса через инструменты, ожидающие класс LlamaForCausalLM. Лицензия — Apache-2.0. README описывает преобразование формата, а метаданные связывают репозиторий с InternLM3-8B-Instruct как базовой моделью; по заданной классификации это конверсия формата.

Сценарии применения

  • подключение InternLM3-8B-Instruct в окружении, ожидающем LlamaForCausalLM
  • создание чат-бота на базе InternLM3-8B-Instruct
  • генерация ответов на текстовые запросы
  • инференс с контекстом до 32 768 токенов

Ограничения

Изменение формата предназначено для совместимости с отдельными сценариями инференса; README не приводит результатов сравнительной оценки качества. Поддержка конкретного окружения зависит от совместимости его реализации LLaMA с преобразованными весами.

Для каких профессий подходит11

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

Converted Llama from InternLM3-8B-Instruct

Descritpion

This is a converted model from InternLM3-8B-Instruct to LLaMA format. This conversion allows you to use InternLM3-8B-Instruct as if it were a Llama model, which is convenient for some inference use cases. The precision is excatly the same as the original model.

Usage

You can load the model using the LlamaForCausalLM class as shown below:

from transformers import AutoModelForCausalLM, AutoTokenizer, LlamaForCausalLM

device = "cuda" # the device to load the model onto, cpu or cuda
attn_impl = 'eager' # the attention implementation to use

prompt = "大模型和人工智能经历了两年的快速发展,请你以此主题对人工智能的从业者写一段新年寄语"

system_prompt = """You are an AI assistant whose name is InternLM (书生·浦语).
- InternLM (书生·浦语) is a conversational language model that is developed by Shanghai AI Laboratory (上海人工智能实验室). It is designed to be helpful, honest, and harmless.
- InternLM (书生·浦语) can understand and communicate fluently in the language chosen by the user such as English and 中文."""
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": prompt},
 ]

tokenizer = AutoTokenizer.from_pretrained("silence09/InternLM3-8B-Instruct-Converted-LlaMA", trust_remote_code=True)
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
print(prompt)
llama_model = LlamaForCausalLM.from_pretrained(
    "silence09/InternLM3-8B-Instruct-Converted-LlaMA",
    torch_dtype='auto',
    attn_implementation=attn_impl).to(device)
llama_generated_ids = llama_model.generate(model_inputs.input_ids, max_new_tokens=100, do_sample=False)
llama_generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, llama_generated_ids)
]
llama_response = tokenizer.batch_decode(llama_generated_ids, skip_special_tokens=True)[0]
print(llama_response)

Precision Guarantee

To comare result with the original model, you can use this code

More Info

It was converted using the python script available at this repository

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
0d9e158

0 моделей