/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
486 млн
Архитектура
llama · dense
Опубликована
31 янв 2024

Ссылки

Hugging Face

MicroLlama-Indo-500M

zaenalium
Генерация текстаТекст → текст3 профессии

Небольшая модель семейства Llama, обученная с нуля на индонезийских данных для генерации текста.

122скачиваний за 30 дней0лайковвеса обновлены31 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.

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

MicroLlama-Indo-500M — плотная авторегрессионная языковая модель семейства Llama, разработанная zaenalium и обученная с нуля на индонезийской части датасета MBZUAI/Bactrian-X. Модель содержит около 485,8 млн параметров, принимает текст и генерирует текст; максимальный контекст составляет 2048 токенов.

Модель предназначена для генерации текста на индонезийском языке и экспериментального использования в задачах продолжения текста. В карточке приведены результаты оценки: loss 5,2103 и accuracy 0,2550. Лицензия в доступных данных не указана.

Сценарии применения

  • продолжение текста на индонезийском языке
  • эксперименты с генерацией индонезийского текста
  • оценка компактных языковых моделей на индонезийском датасете

Ограничения

В README указаны сравнительно низкие результаты оценки: loss 5,2103 и accuracy 0,2550; пригодность для широкого практического применения не подтверждена. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

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 385моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.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

TinyLlama-Indo

This model was trained from scratch on the MBZUAI/Bactrian-X id dataset. It achieves the following results on the evaluation set:

  • Loss: 5.2103
  • Accuracy: 0.2550

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: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2.0

Training results

Framework versions

  • Transformers 4.37.2
  • Pytorch 2.1.2
  • Datasets 2.16.1
  • Tokenizers 0.15.1

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
b6eccf8

0 моделей

    Создать бенчмарк