/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
134 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
training_from_scratch
Библиотека
transformers
Опубликована
14 сен 2024

Ссылки

Hugging Face

Capybara

yue619
Генерация текстаТекст → текст3 профессии

Компактная языковая модель архитектуры Llama для генерации текста и экспериментов с моделями, обученными на WikiText.

17скачиваний за 30 дней0лайковвеса обновлены14 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.

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

Capybara — языковая модель архитектуры Llama, разработанная yue619 и обученная с нуля на наборе Self-GRIT/wikitext-2-raw-v1-preprocessed. Она предназначена для генерации текста и может использоваться для экспериментов с компактными авторегрессионными моделями и оценки их поведения на текстовых запросах.

Модель содержит 134,5 млн параметров, принимает текст и имеет контекстное окно 2048 токенов. В README приведены результаты оценки: loss 5,9824 и accuracy 0,2140. Модель опубликована в формате safetensors по лицензии Apache-2.0. Показатели README указывают на ограниченное качество; карточка не описывает дополнительные сценарии применения или языковую специализацию.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с небольшой языковой моделью
  • оценка качества авторегрессионной генерации
  • исследование обучения языковой модели на WikiText

Ограничения

В README указаны loss 5,9824 и accuracy 0,2140, что ограничивает ожидаемое качество генерации. Карточка не подтверждает поддержку конкретных языков или специализированных сценариев.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Capybara

This model is training from scratch on the Self-GRIT/wikitext-2-raw-v1-preprocessed dataset. It achieves the following results on the evaluation set:

  • Loss: 5.9824
  • Accuracy: 0.2140

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.1.2+cu118
  • Datasets 3.0.0
  • 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
3d1e3e5

0 моделей

    Создать бенчмарк