/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.1
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-8B-Instruct
Опубликована
26 июл 2024

natsumura-storytelling-rp-1.0-llama-3.1-8b

Генерация текстаТекст → текст3 профессии

Дообученная на ролевых диалогах и рассказах чат-модель Llama 3.1 для персонажных бесед и художественного письма.

94скачиваний за 30 дней9лайковвеса обновлены2 авг 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

Natsumura Storytelling RP 1.0 — дообученная Tohur чат-модель для создания художественных текстов и ролевых диалогов. Она основана на Meta-Llama-3.1-8B-Instruct: плотная архитектура Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для персонажных чат-ботов в SillyTavern, Agnai, RisuAI и подобных приложениях, а также для написания историй и художественных сцен.

При дообучении использовались наборы данных для ролевых диалогов, рассказов и общения; в карточке также описаны настройки обучения в Llama Factory. Модель выпускается в формате safetensors, а автор отдельно указывает на доступность вариантов GGUF. Лицензия — Llama 3.1 Community License (llama3.1).

Сценарии применения

  • персонажные диалоги в SillyTavern и похожих приложениях
  • ролевые беседы с вымышленными персонажами
  • написание рассказов и художественных сцен
  • продолжение художественного текста по заданному контексту

Ограничения

Модель настроена на ролевые и художественные сценарии, поэтому её ответы для фактических задач могут быть ненадёжными. Заявленная автором высокая готовность выполнять запросы означает, что модель может создавать нежелательный или небезопасный контент.

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

natsumura-storytelling-rp-1.0-llama-3.1-8b (fixed)

This is my Storytelling/RP model for my Natsumura series of 8b models. This model is finetuned on storytelling and roleplaying datasets so should be a great model to use for character chatbots in applications such as Sillytavern, Agnai, RisuAI and more. And should be a great model to use for fictional writing. Up to a 128k context.

  • Developed by: Tohur

  • License: llama3.1

  • Finetuned from model : meta-llama/Meta-Llama-3.1-8B-Instruct

    This model is based on meta-llama/Meta-Llama-3.1-8B-Instruct, and is governed by Llama 3.1 Community License Natsumura is uncensored, which makes the model compliant.It will be highly compliant with any requests, even unethical ones. You are responsible for any content you create using this model. Please use it responsibly.

Quantized GGUF

All GGUF models are available here: natsumura-storytelling-rp-1.0-llama-3.1-8b-GGUF

use in ollama

ollama pull Tohur/natsumura-storytelling-rp-llama-3.1

Datasets used:

  • tohur/natsumura-rp-identity-sharegpt
  • tohur/ultrachat_uncensored_sharegpt
  • Nopm/Opus_WritingStruct
  • ResplendentAI/bluemoon
  • tohur/Internal-Knowledge-Map-sharegpt
  • felix-ha/tiny-stories
  • tdh87/Stories
  • tdh87/Just-stories
  • tdh87/Just-stories-2

The following parameters were used in Llama Factory during training:

  • per_device_train_batch_size=2
  • gradient_accumulation_steps=4
  • lr_scheduler_type="cosine"
  • logging_steps=10
  • warmup_ratio=0.1
  • save_steps=1000
  • learning_rate=2e-5
  • num_train_epochs=3.0
  • max_samples=500
  • max_grad_norm=1.0
  • quantization_bit=4
  • loraplus_lr_ratio=16.0
  • fp16=True

Inference

I use the following settings for inference:

"temperature": 1.0,
"repetition_penalty": 1.05,
"top_p": 0.95
"top_k": 40
"min_p": 0.05

Prompt template: llama3

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{input}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

{output}<|eot_id|>

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
ec1dda9

0 моделей