/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,9 млрд
Размер весов
6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
15 дек 2023

MiniMerlin-3B

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Llama на 2,9 млрд параметров для генерации текста, ответов на вопросы и решения задач, дообученная на синтетических данных на французском языке.

78скачиваний за 30 дней0лайковвеса обновлены29 дек 2023

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

MiniMerlin-3B — экспериментальная текстовая модель на базе архитектуры Llama, разработанная teilomillet и дообученная методом supervised fine-tuning на синтетическом пользовательском наборе из 2 тысяч примеров на французском языке. Она предназначена для генерации текста, ответов на общие вопросы, решения задач и ответов на вопросы о коде. Модель содержит 2,9 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов; в метаданных также отмечена возможность работы с кодом. Карточка характеризует её как proof of concept.

Модель распространяется в формате Safetensors по лицензии Apache-2.0. Небольшой синтетический набор данных и статус proof of concept ограничивают основания ожидать стабильного качества на широком круге задач; README не сообщает результаты оценки.

Сценарии применения

  • ответы на общие вопросы на французском языке
  • решение текстовых задач
  • ответы на вопросы о программном коде
  • генерация текста на французском и английском языках

Ограничения

Это proof of concept, дообученный на небольшом синтетическом наборе из 2 тысяч примеров; README не приводит результатов оценки качества.

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

SFT on a synthetic custom (french) dataset (2k), from general question answering, problem solving to code question. It's a POC.

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

model = AutoModelForCausalLM.from_pretrained(
    "teilomillet/MiniMerlin-3B",
    revision="0.1",
    return_dict=True,
    torch_dtype=torch.bfloat16,
    device_map='auto'
)

tokenizer = AutoTokenizer.from_pretrained("teilomillet/MiniMerlin-3B")
tokenizer.pad_token = tokenizer.eos_token

text = "[|User|] Comment faire un bon plat ? </s>[|Assistant|]"
inputs = tokenizer(text, return_tensors="pt").to(0)

outputs = model.generate(**inputs, max_new_tokens=800)
print(tokenizer.decode(outputs[0], skip_special_tokens=False))

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
d13cdbc

0 моделей