Характеристики

Контекст: 131 072 токена
Параметры: 3,2 млрд
Размер весов: 6,4 ГБ
Лицензия: Llama 3.2
Архитектура: llama · dense
Базовая модель: llama-3.2-3b
Библиотека: transformers
Опубликована: 27 сен 2024

Ссылки

Hugging Face

llama-3.2-3b-sft

tanliboy

Генерация текстаТекст → текст8 профессий

Дообученная на OpenHermes-2.5-reformat модель Llama 3.2 с 3,2 млрд параметров для диалоговой генерации текста.

33скачиваний за 30 дней0лайковвеса обновлены28 сен 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.

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

tanliboy/llama-3.2-3b-sft — дообученная модель семейства Llama 3.2, созданная на основе tanliboy/llama-3.2-3b с помощью supervised fine-tuning на наборе tanliboy/OpenHermes-2.5-reformat. Это плотная авторегрессионная языковая модель с 3,2 млрд параметров, предназначенная для генерации текста и диалогового общения. Метаданные указывают контекстное окно до 131 072 токенов и интерфейс вызова инструментов.

Модель можно применять для генерации ответов в чате и других задач продолжения текста. В README приведено значение loss 0,7216 на оценочном наборе, но подробности методики оценки и характеристик датасета не раскрыты. Модель опубликована в формате Safetensors для библиотеки Transformers под лицензией llama3.2. Языки поддержки не указаны.

Сценарии применения

генерация ответов в диалоговом чате
создание черновиков и продолжение текста
ответы на пользовательские запросы
подключение языковой модели к интерфейсу вызова инструментов

Ограничения

README не описывает ограничения, подробности обучения или методику оценки; приведено только значение loss 0,7216. Поддерживаемые языки не указаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

llama-3.2-3b-sft

This model is a fine-tuned version of tanliboy/llama-3.2-3b on the tanliboy/OpenHermes-2.5-reformat dataset. It achieves the following results on the evaluation set:

Loss: 0.7216

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: 3e-06
train_batch_size: 8
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
num_devices: 8
gradient_accumulation_steps: 2
total_train_batch_size: 128
total_eval_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.1
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss
0.8741	0.0448	100	0.8600
0.8038	0.0897	200	0.8095
0.7937	0.1345	300	0.7789
0.7712	0.1794	400	0.7644
0.7393	0.2242	500	0.7565
0.7458	0.2691	600	0.7506
0.7694	0.3139	700	0.7458
0.713	0.3587	800	0.7422
0.7347	0.4036	900	0.7387
0.7243	0.4484	1000	0.7356
0.7161	0.4933	1100	0.7331
0.7247	0.5381	1200	0.7308
0.7477	0.5830	1300	0.7288
0.7429	0.6278	1400	0.7273
0.7317	0.6726	1500	0.7256
0.7226	0.7175	1600	0.7243
0.695	0.7623	1700	0.7234
0.7167	0.8072	1800	0.7226
0.686	0.8520	1900	0.7221
0.7214	0.8969	2000	0.7218
0.7358	0.9417	2100	0.7216
0.7259	0.9865	2200	0.7216

Framework versions

Transformers 4.44.2
Pytorch 2.4.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: 43e2c82

Характеристики

Ссылки

llama-3.2-3b-sft

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит8

Также подходит для

Карточка модели

llama-3.2-3b-sft

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить