Bonito — это модель с открытым исходным кодом для генерации условных задач: задача преобразования неаннотированного текста в наборы обучающих данных для конкретных задач для настройки инструкций. Bonito можно использовать для создания синтетических наборов данных настройки инструкций для адаптации больших языковых моделей к специализированным частным данным пользователей. В нашей статье мы показываем, что Bonito можно использовать для адаптации как предварительно обученных, так и настроенных по инструкции моделей к задачам без каких-либо аннотаций. — Разработано: Нихал В. Наяк, Иян Нан, Ави Трост и Стивен Х. Бах — Тип модели: MistralForCausalLM — Язык(и) (NLP): английский — Лицензия: Apache 2.0 — Точная настройка на основе модели: mistralai/Mistral-7B-v0.1 — Репозиторий: https://github.com/BatsResearch/bonito — Документ: Обучение генерации инструкций Наборы данных для адаптации задач с нулевым выстрелом. Чтобы легко создавать синтетические наборы данных для настройки инструкций, мы рекомендуем использовать пакет bonito, созданный с использованием преобразователей и библиотек vllm. Наша модель обучена генерировать следующие типы задач: обобщение, анализ настроений, ответы на вопросы с несколькими вариантами ответов, экстрактивные ответы на вопросы, классификация тем, вывод на естественном языке, генерация вопросов, генерация текста, вопросы…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: BatsResearch
Теги: mistral, data generation, text2text-generation, en, text-generation-inference, endpoints_compatible
Лайков: 99 | Загрузок: 174
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
