/ Модель

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-Instruct
Библиотека
transformers
Опубликована
29 сен 2024

Llama-3.2-3B-Instruct-24-9-29

Генерация текстаТекст → текст4 профессии

Дообученная на lmsys_chat диалоговая Llama 3.2 на 3,2 млрд параметров для генерации ответов и продолжения текста.

34скачиваний за 30 дней0лайковвеса обновлены29 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.

  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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3555

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,7332

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2743

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3228

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1707

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4614

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Llama-3.2-3B-Instruct-24-9-29 — это дообученная модель семейства Llama от автора репозитория win10. Она основана на unsloth/Llama-3.2-3B-Instruct, содержит 3,2 млрд параметров и предназначена для генерации текста в диалоговом формате. В качестве обучающих данных указан набор lmsys_chat; модельная архитектура — плотная LlamaForCausalLM, веса представлены в формате safetensors.

Модель подходит для генерации ответов в чате и других сценариев продолжения текста. Максимальная длина контекста составляет 131072 токена. В README приведено значение loss 1.1817 на оценочном наборе, но подробности оценки и целевые сценарии не описаны. Языки и специальные ограничения сверх условий лицензии исходной модели не указаны.

Лицензия модели — llama3.2; перед использованием следует соблюдать её условия и применимые условия базовой модели.

Сценарии применения

  • генерация ответов в диалоговом чате
  • продолжение пользовательского текста
  • создание разговорного помощника на основе Llama
  • эксперименты с дообучением на диалоговых данных

Ограничения

README не приводит подробных результатов оценки, описания целевых сценариев или явных ограничений; указан только loss 1.1817 на оценочном наборе. Следует соблюдать лицензию llama3.2.

Для каких профессий подходит4

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

my DC sever

https://discord.gg/yaTfFF6Ut2

我正在計畫微調64K指令模型,請幫助我進行計畫

Support me here if you're interested:

Ko-fi: https://ko-fi.com/ogodwin10

Llama-3.2-3B-Instruct-24-9-29

This model is a fine-tuned version of unsloth/Llama-3.2-3B-Instruct on the lmsys_chat dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1817

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: 0.0001
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • training_steps: 1000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
1.2560.01601001.1817
1.2360.03202001.1817
1.22120.04803001.1817
1.18040.06414001.1817
1.28010.08015001.1817
1.22320.09616001.1817
1.24330.11217001.1817
1.22310.12818001.1817
1.22720.14419001.1817
1.28430.160210001.1817

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.4.0+cu124
  • Datasets 2.19.1
  • Tokenizers 0.20.0

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
4defb10

0 моделей