/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,6 млрд
Размер весов
8,3 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Опубликована
29 июл 2024

Llama3.1-elm-turbo-4B-instruct

Генерация текстаТекст → текст8 профессий

Компактная англоязычная чат-модель SliceX AI на базе Llama 3.1 для генерации текста и выполнения инструкций при ограничениях по памяти и вычислениям.

398скачиваний за 30 дней4лайкавеса обновлены30 июл 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

SliceX AI разработала ELM Turbo — семейство компактных инструктивных языковых моделей на основе Meta-Llama-3.1-8B-Instruct. Эта версия представляет собой срез семейства размером около 3,6 млрд параметров с архитектурой Llama и поддержкой диалогового режима. Модель предназначена для генерации текста и ответов на инструкции с возможностью развертывания в условиях ограничений по вычислительным ресурсам и памяти.

Разработчики описывают ELM Turbo как модульную архитектуру, обученную с применением «срезов» на этапах предобучения и/или дообучения, чтобы сформировать варианты разного размера. Карточка указывает контекстное окно до 131 072 токенов и английский язык. Веса опубликованы в формате Safetensors.

Модель подходит для чат-ботов, ответов на вопросы и других задач генерации текста. Следует проверять фактическую точность и возможные смещения в ответах: инструкция по применению предупреждает, что использованные наборы данных могут содержать ошибки, предвзятость и нежелательный контент. Лицензия — Llama 3.1; использование регулируется её условиями.

Сценарии применения

  • создание чат-бота на английском языке
  • ответы на пользовательские инструкции
  • генерация текстовых ответов на вопросы
  • развертывание языковой модели на устройствах с ограниченной памятью

Ограничения

Возможны фактические ошибки, смещения и нежелательный контент; ответы следует оценивать и проверять для конкретного применения. Условия использования определяются лицензией Llama 3.1.

Для каких профессий подходит8

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

SliceX AI™ ELM Turbo

ELM (which stands for Efficient Language Models) Turbo is the next generation model in the series of cutting-edge language models from SliceX AI that is designed to achieve the best in class performance in terms of quality, throughput & memory.

ELM is designed to be a modular and customizable family of neural networks that are highly efficient and performant. Today we are sharing the second version in this series: ELM Turbo models (named Starfruit).

Model: ELM Turbo introduces a more adaptable, decomposable LLM architecture thereby yielding flexibility in (de)-composing LLM models into smaller stand-alone slices. In comparison to our previous version, the new architecture allows for more powerful model slices to be learnt during the training process (yielding better quality & higher generative capacity) and a higher level of control wrt LLM efficiency - fine-grained slices to produce varying LLM model sizes (depending on the user/task needs and deployment criteria, i.e., Cloud or Edge device constraints).

Training: ELM Turbo introduces algorithmic optimizations that allows us to train a single model but once trained the ELM Turbo model can be sliced in many ways to fit different user/task needs. We formulate the entire training procedure for ELM Turbo as a continual learning process during which we apply "slicing" operations & corresponding optimizations during the pre-training and/or fine-tuning stage. In a nutshell, this procedure teaches the model to learn & compress its knowledge into smaller slices.

Fast Inference with Customization: As with our previous version, once trained, ELM Turbo model architecture permits flexible inference strategies at runtime depending on deployment & device constraints to allow users to make optimal compute/memory tradeoff choices for their application needs. In addition to the blazing fast speeds achieved by native ELM Turbo slice optimization, we also layered in NVIDIA's TensorRT-LLM integration to get further speedups. The end result 👉 optimized ELM Turbo models that achieve one of the world's best LLM performance.

ELM Turbo Model Release (version for sliced Llama 3.1)

In this version, we employed our new, improved decomposable ELM techniques on a widely used open-source LLM, meta-llama/Meta-Llama-3.1-8B-Instruct (8B params) (check Llama-license for usage). After training, we generated three smaller slices with parameter counts ranging from 3B billion to 6B billion.

  • Section 1. 👉 instructions to run ELM-Turbo with the Huggingface Transformers library.

NOTE: The open-source datasets from the HuggingFace hub used for instruction fine-tuning ELM Turbo include, but are not limited to: allenai/tulu-v2-sft-mixture, microsoft/orca-math-word-problems-200k, mlabonne/WizardLM_evol_instruct_70k-ShareGPT, and mlabonne/WizardLM_evol_instruct_v2_196K-ShareGPT. We advise users to exercise caution when utilizing ELM Turbo, as these datasets may contain factually incorrect information, unintended biases, inappropriate content, and other potential issues. It is recommended to thoroughly evaluate the model's outputs and implement appropriate safeguards for your specific use case.

1. Run ELM Turbo models with Huggingface Transformers library.

There are three ELM Turbo slices derived from the Meta-Llama-3.1-8B-Instruct model:

  1. slicexai/Llama3.1-elm-turbo-3B-instruct (3B params)
  2. slicexai/Llama3.1-elm-turbo-4B-instruct(4B params)
  3. slicexai/Llama3.1-elm-turbo-6B-instruct (6B params)

Make sure to update your transformers installation via pip install --upgrade transformers.

Example - To run the slicexai/Llama3.1-elm-turbo-4B-instruct

from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
import torch

elm_turbo_model = "slicexai/Llama3.1-elm-turbo-4B-instruct"
model = AutoModelForCausalLM.from_pretrained( 
    elm_turbo_model,  
    device_map="cuda",  
    torch_dtype=torch.bfloat16,  
    trust_remote_code=True,
)
messages = [ 
    {"role": "user", "content": "Can you provide ways to eat combinations of bananas and dragonfruits?"}, 
]

tokenizer = AutoTokenizer.from_pretrained(elm_turbo_model, legacy=False) 
pipe = pipeline( 
    "text-generation", 
    model=model, 
    tokenizer=tokenizer, 
) 

generation_args = { 
    "max_new_tokens": 500, 
    "return_full_text": False,
    "repetition_penalty": 1.2,
    "temperature": 0.0, 
    "do_sample": False, 
} 

output = pipe(messages, **generation_args) 
print(output[0]['generated_text']) 

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
f522da6

0 моделей