/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
14 дек 2023

LLaMAntino-2-7b-hf-ITA

Генерация текстаТекст → текст3 профессии

Дообученная на итальянских данных языковая модель LLaMA 2 с 6,6 млрд параметров для генерации текста и исследований NLP.

2 904скачиваний за 30 дней7лайковвеса обновлены22 янв 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

LLaMAntino-2-7b-hf-ITA — итальянская адаптация модели LLaMA 2, разработанная Пьерпаоло Базиле, Элио Мускаккио, Марко Полиньяно, Лючией Сичилиани, Джузеппе Фиамени и Джованни Семераро при поддержке проекта PNRR FAIR. Это плотная авторегрессионная языковая модель с 6,6 млрд параметров, предназначенная как базовая модель для генерации текста и исследований в области обработки итальянского языка. Модель дообучена методом QLoRA на наборе clean_mc4_it medium; поддерживает контекст до 4096 токенов и распространяется в форматах PyTorch и Safetensors.

Модель рассчитана на генерацию текста на итальянском языке и исследовательские сценарии NLP. Карточка указывает лицензию Llama 2 Community License. Качество и пригодность для конкретных прикладных сценариев зависят от задачи; модель является базовой генеративной моделью, а не специализированным решением для отдельных областей.

Сценарии применения

  • генерация текста на итальянском языке
  • создание черновиков и продолжение итальянского текста
  • эксперименты с генеративными языковыми моделями для итальянского NLP

Ограничения

Контекст ограничен 4096 токенами. Модель предназначена прежде всего для итальянского языка; карточка не приводит оценок качества по конкретным задачам.

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

Model Card for LLaMAntino-2-7b-ITA

Last Update: 22/01/2024

Model description

LLaMAntino-2-7b is a Large Language Model (LLM) that is an italian-adapted LLaMA 2. This model aims to provide Italian NLP researchers with a base model for natural language generation tasks.

The model was trained using QLora and using as training data clean_mc4_it medium. If you are interested in more details regarding the training procedure, you can find the code we used at the following link:

NOTICE: the code has not been released yet, we apologize for the delay, it will be available asap!

  • Developed by: Pierpaolo Basile, Elio Musacchio, Marco Polignano, Lucia Siciliani, Giuseppe Fiameni, Giovanni Semeraro
  • Funded by: PNRR project FAIR - Future AI Research
  • Compute infrastructure: Leonardo supercomputer
  • Model type: LLaMA 2
  • Language(s) (NLP): Italian
  • License: Llama 2 Community License
  • Finetuned from model: meta-llama/Llama-2-7b-hf

How to Get Started with the Model

Below you can find an example of model usage:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "swap-uniba/LLaMAntino-2-7b-hf-ITA"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

prompt = "Scrivi qui un possibile prompt"

input_ids = tokenizer(prompt, return_tensors="pt").input_ids
outputs = model.generate(input_ids=input_ids)

print(tokenizer.batch_decode(outputs.detach().cpu().numpy()[:, input_ids.shape[1]:], skip_special_tokens=True)[0])

If you are facing issues when loading the model, you can try to load it quantized:

model = AutoModelForCausalLM.from_pretrained(model_id, load_in_8bit=True)

Note: The model loading strategy above requires the bitsandbytes and accelerate libraries

Citation

If you use this model in your research, please cite the following:

@misc{basile2023llamantino,
      title={LLaMAntino: LLaMA 2 Models for Effective Text Generation in Italian Language}, 
      author={Pierpaolo Basile and Elio Musacchio and Marco Polignano and Lucia Siciliani and Giuseppe Fiameni and Giovanni Semeraro},
      year={2023},
      eprint={2312.09993},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Notice: Llama 2 is licensed under the LLAMA 2 Community License, Copyright © Meta Platforms, Inc. All Rights Reserved. License

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
482f521

0 моделей