/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
93,4 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
7 фев 2024

Taiwan-LLM-8x7B-DPO

Генерация текстаТекст → текст6 профессий

Диалоговая модель Mixtral MoE, дообученная для генерации текста на традиционном китайском с учетом контекста Тайваня.

103скачиваний за 30 дней19лайковвеса обновлены20 апр 2025

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

Taiwan LLM 8x7B-DPO — это языковая модель на архитектуре Mixtral MoE, разработанная для тайваньского контекста и традиционного китайского языка. Модель дообучена методом DPO на смеси общедоступных и синтетических наборов данных на основе yentinglin/Taiwan-LLM-MoE-alpha. В карточке указан размер 8×7B параметров, а метаданные каталога оценивают общее число параметров в 7,1 млрд. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов.

Модель подходит для диалоговых приложений, генерации ответов и текста на традиционном китайском с учетом языковых и культурных особенностей Тайваня. Для версии DPO оценка TMMLUS+ в карточке пока не приведена. Использование регулируется лицензией Apache-2.0. Разработчики не рекомендуют применять модель для медицинской диагностики, юридических консультаций и финансовых решений; точность и пригодность ответов необходимо оценивать самостоятельно.

Сценарии применения

  • ответы чат-бота на традиционном китайском языке
  • генерация текста с учетом тайваньской лексики и культурного контекста
  • создание диалоговых помощников для пользователей на Тайване

Ограничения

Для версии DPO оценка TMMLUS+ не приведена. Модель не предназначена для медицинской диагностики, юридических консультаций и финансовых решений; ответы могут быть неточными.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

image/png

🌟 Checkout Taiwan-LLM Demo Chat-UI 🌟

Model Card for Taiwan LLM 8x7B-DPO

Taiwan LLM is an advanced language model tailored for Traditional Chinese, focusing on the linguistic and cultural contexts of Taiwan.

Model description

  • Model type: A 8x7B parameter Mixtral MoE model fine-tuned on a mix of publicly available, synthetic datasets.
  • Language(s) (NLP): Primarily Traditional Chinese (zh-tw)
  • Finetuned from model: yentinglin/Taiwan-LLM-MoE-alpha

Model Sources

Performance

Checkout leaderboard in Tw Chatbot Arena

TMMLUS+ score:

  • yentinglin/Taiwan-LLM-MoE-alpha: 43.93
  • yentinglin/Taiwan-LLM-8x7B-DPO: TBD

Intended uses

Here's how you can run the model using the pipeline() function from 🤗 Transformers:

# pip install transformers>=4.34
# pip install accelerate

import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="yentinglin/Taiwan-LLM-8x7B-DPO", torch_dtype=torch.bfloat16, device_map="auto")

# We use the tokenizer's chat template to format each message - see https://huggingface.co/docs/transformers/main/en/chat_templating
messages = [
    {
        "role": "system",
        "content": "你是一個人工智慧助理",
    },
    {"role": "user", "content": "東北季風如何影響台灣氣候?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
outputs = pipe(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

Citation

If you find Taiwan LLM useful in your work, please cite it with:

@misc{lin2023taiwan,
      title={Taiwan LLM: Bridging the Linguistic Divide with a Culturally Aligned Language Model}, 
      author={Yen-Ting Lin and Yun-Nung Chen},
      year={2023},
      eprint={2311.17487},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Acknowledgement

Ubitus provides valuable compute resources for the project.

Disclaimer

This model is provided “as‑is” and without warranties of any kind. Users are solely responsible for evaluating the accuracy and suitability of the outputs. The developers assume no liability for any direct or indirect damages arising from its use.
The model is strictly not intended for high‑risk applications such as medical diagnosis, legal advice, or financial investment. For such use cases, please consult qualified professionals.

本模型「如是」(as‑is)提供,使用者須自行評估結果之正確性與適用性。開發者對於使用本模型所引發之任何直接或間接損失,不承擔任何法律責任。
嚴禁用於醫療診斷、法律諮詢、金融投資等高風險場景;若有相關需求,請尋求專業人員協助。

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
e2bd01e

0 моделей