/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10,6 млрд
Размер весов
21,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
KoSOLAR-10.7B-v0.2
Опубликована
18 янв 2024

Bookworm-10.7B-v0.4-DPO

Генерация текстаТекст → текст4 профессии

Корейская диалоговая языковая модель Yanolja на 10,6 млрд параметров для генерации текста, дообученная методом DPO.

33скачиваний за 30 дней11лайковвеса обновлены19 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

Bookworm-10.7B-v0.4-DPO — языковая модель Yanolja, дообученная методом Direct Preference Optimization (DPO) на базе yanolja/KoSOLAR-10.7B-v0.2 с использованием LLaMA-Factory. Базовая модель расширена корейским словарём и восходит к upstage/SOLAR-10.7B-v1.0. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 10,6 млрд параметров; для хранения используются safetensors.

Модель предназначена для генерации текста в диалоговом формате, прежде всего на корейском языке. При обучении использовались корейские переводы наборов Open-Orca/SlimOrca-Dedup и ultrafeedback-binarized-preferences-cleaned. Контекст составляет до 4096 токенов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы на корейском языке
  • ведение диалога на корейском языке
  • генерация корейских текстов по запросу
  • следование текстовым инструкциям на корейском языке

Ограничения

Контекст ограничен 4096 токенами. В README не приведены результаты оценки качества или подтверждение возможностей за пределами генерации корейского текста.

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

Bookworm-10.7B-v0.4-DPO

Join Our Community on Discord!

If you're passionate about the field of Large Language Models and wish to exchange knowledge and insights, we warmly invite you to join our Discord server. It's worth noting that Korean is the primary language used in this server. The landscape of LLM is evolving rapidly, and without active sharing, our collective knowledge risks becoming outdated swiftly. Let's collaborate and drive greater impact together! Join us here: Discord Link.

Our Dedicated Team (Alphabetical Order)

ResearchEngineeringProduct ManagementUX Design
Myeongho JeongGeon KimBokyung HuhEunsue Choi
Seungduk KimRifqi Alfi
Seungtaek ChoiSanghoon Han
Suhyun Kang

About the Model

This model is a fine-tuned version of yanolja/KoSOLAR-10.7B-v0.2, which is a Korean vocabulary-extended version of upstage/SOLAR-10.7B-v1.0. Specifically, we employed Direct Preference Optimization (DPO) based on LLaMA-Factory.

Training Data

Citation

@misc{cui2023ultrafeedback,
      title={UltraFeedback: Boosting Language Models with High-quality Feedback}, 
      author={Ganqu Cui and Lifan Yuan and Ning Ding and Guanming Yao and Wei Zhu and Yuan Ni and Guotong Xie and Zhiyuan Liu and Maosong Sun},
      year={2023},
      eprint={2310.01377},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@misc{SlimOrcaDedup,
  title = {SlimOrca Dedup: A Deduplicated Subset of SlimOrca},
  author = {Wing Lian and Guan Wang and Bleys Goodson and Eugene Pentland and Austin Cook and Chanvichet Vong and "Teknium" and Nathan Hoos},
  year = {2023},
  publisher = {HuggingFace},
  url = {https://huggingface.co/datasets/Open-Orca/SlimOrca-Dedup/}
}
@misc{mukherjee2023orca,
      title={Orca: Progressive Learning from Complex Explanation Traces of GPT-4}, 
      author={Subhabrata Mukherjee and Arindam Mitra and Ganesh Jawahar and Sahaj Agarwal and Hamid Palangi and Ahmed Awadallah},
      year={2023},
      eprint={2306.02707},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
5807ef0

0 моделей