Uploaded model
- Developed by: simonbutt
- License: apache-2.0
- Finetuned from model : unsloth/codellama-7b-bnb-4bit
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 16 384 токена
- Параметры
- 6,6 млрд
- Размер весов
- 13,5 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- llama · dense
- Базовая модель
- codellama-7b-bnb-4bit
- Опубликована
- 19 июн 2024
Ссылки
codellama-7b-tofuagent-contpretrain
Дообученная модель Llama с 6,6 млрд параметров для генерации и продолжения текста.
18скачиваний за 30 дней0лайковвеса обновлены30 июн 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Модель simonbutt/codellama-7b-tofuagent-contpretrain — дообученная авторегрессионная языковая модель семейства Llama, созданная simonbutt на базе unsloth/codellama-7b-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и может применяться в сценариях продолжения текста и построения ответов на текстовые запросы.
Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена. В карточке указан английский язык; лицензия — Apache 2.0.
Карточка не описывает специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных задач, в том числе программирования, отдельно не подтверждена.
Сценарии применения
- генерация текста по текстовой подсказке
- продолжение незавершённого текста
- создание ответов на текстовые запросы
Ограничения
Карточка не сообщает об оценках качества, обучающих данных и специализированных возможностях, поэтому их нельзя считать подтверждёнными.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- ab16f91