/ Модель
Каталог

Характеристики

Контекст
16 384 токена
Параметры
1,3 млрд
Размер весов
5,4 ГБ
Архитектура
llama · dense
Базовая модель
deepseek-coder-1.3b-base
Опубликована
18 июл 2024

Ссылки

Hugging Face

k2

stojchet
Генерация текстаТекст → текст3 профессии

Дообученная на базе DeepSeek Coder 1.3B модель генерации текста с нераскрытым набором данных и назначением дообучения.

37скачиваний за 30 дней0лайковвеса обновлены18 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.

Открыть конструктор бенчмарка

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

stojchet/k2 — дообученная модель для генерации текста на основе deepseek-ai/deepseek-coder-1.3b-base. В метаданных указаны архитектура семейства Llama, 1,3 млрд параметров и контекст до 16 384 токенов; веса опубликованы в формате safetensors. Карточка сообщает результаты оценки, но не раскрывает обучающий набор данных и подробное назначение модели. Базовая модель предназначена для продолжения и автодополнения кода, поэтому k2 может быть полезна для генерации кода и работы с текстом, однако эти сценарии не подтверждены описанием конкретной специализации дообучения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация продолжения кода
  • автодополнение фрагментов кода
  • заполнение пропусков в коде

Ограничения

Карточка не описывает назначение дообучения, обучающий набор данных или практические ограничения, поэтому качество и специализацию модели оценить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

k2

This model is a fine-tuned version of deepseek-ai/deepseek-coder-1.3b-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1672
  • Eval/rewards/chosen: 2.6052
  • Eval/logps/chosen: -116.5449
  • Eval/rewards/rejected: -11.1897
  • Eval/logps/rejected: -292.9474
  • Eval/rewards/margins: 13.7949
  • Eval/kl: 8.4275

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
0.11781.70581000.16728.4275

Framework versions

  • Transformers 4.43.0.dev0
  • Pytorch 2.2.2+cu121
  • Datasets 2.19.2
  • Tokenizers 0.19.1

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
c74a566

0 моделей

    Создать бенчмарк