Эта модель служит демонстрацией того, как точная настройка базовых моделей с использованием набора данных Neo4j-Text2Cypher(2024) (ссылка) может повысить производительность задачи Text2Cypher. Обратите внимание, что это часть текущих исследований и исследований, направленных на выявление потенциала набора данных, а не на готовое к производству решение. Базовая модель: google/gemma-2-9b-it Набор данных: neo4j/text2cypher-2024v1. Обзор точно настроенных моделей и результаты сравнительного тестирования доступны по ссылкам Link1 и Link2. Нам следует проявлять осторожность в отношении некоторых рисков: в нашей настройке оценки обучающие и тестовые наборы берутся из одного и того же распределения данных (выбраны из более крупного набора данных). Если распределение данных изменится, результаты могут не соответствовать той же схеме. Используемые наборы данных были собраны из общедоступных источников. Со временем базовые модели могут получить доступ как к обучающему, так и к тестовому наборам, потенциально достигая аналогичных или даже лучших результатов. 1 x A100 PCIe 31 виртуальный ЦП 117 ГБ ОЗУ runpod/pytorch:2.4.0-py3.11-cuda12.4.1-devel-ubuntu22.04 По требованию — безопасное облако Диск 60 ГБ 60 ГБ том модуля loraconfig = LoraConfig( r=64, loraalpha=64, targetmodules=targetmodules, loradropout=0,05, смещение=»нет», Tasktype=»CAUSALLM», )…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: neo4j
Теги: peft, neo4j, cypher, text2cypher, conversational, en
Лайков: 35 | Загрузок: 252
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
