/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
llama-3-Korean-Bllossom-8B
Библиотека
transformers
Опубликована
28 авг 2024

Ссылки

Hugging Face

pogny

yongtaek-lim
Генерация текстаТекст → текст4 профессии

Дообученная на alpaca_en_demo модель Llama для диалогов и генерации текста на корейском и английском языках.

23скачиваний за 30 дней0лайковвеса обновлены28 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.

Открыть конструктор бенчмарка

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

pogny — дообученная модель генерации текста на основе MLP-KTLim/llama-3-Korean-Bllossom-8B, созданная с использованием датасета alpaca_en_demo. Она построена на архитектуре Llama и содержит 7,5 млрд параметров. Модель подходит для диалогов и генерации текста; базовая модель ориентирована на корейский и английский языки. Контекст составляет до 8192 токенов.

В карточке приведены результаты оценки на тестовой выборке: loss 1,2285 и accuracy 0,6567. Эти показатели не раскрывают методику оценки и сами по себе не позволяют судить о качестве в конкретных сценариях. Модель распространяется по лицензии llama3.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текста по инструкции на английском языке
  • ответы на запросы на корейском языке

Ограничения

README не описывает ограничения и предполагаемые сценарии применения. Приведённые метрики оценки не сопровождаются сведениями о методике или тестовом наборе.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pogny

This model is a fine-tuned version of MLP-KTLim/llama-3-Korean-Bllossom-8B on the alpaca_en_demo dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2285
  • Accuracy: 0.6567

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: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 3
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 48
  • total_eval_batch_size: 3
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1.0

Training results

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.2.0a0+81ea7a4
  • Datasets 2.17.1
  • Tokenizers 0.19.1

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
98f9a4c

0 моделей

    Создать бенчмарк