Модель LLaMA-13b без цензуры, созданная в сотрудничестве с Эриком Хартфордом. прошел обучение по объяснению настроенных наборов данных, созданных с использованием инструкций и входных данных из наборов данных WizardLM, Alpaca и Dolly-V2, а также с применением подходов к построению наборов данных Orca Research Paper. Обратите внимание, что эта модель обладает лучшими возможностями генерации кода по сравнению с нашей исходной моделью orcamini13b, которая была обучена на базовой модели OpenLLaMA-13b и которая имеет проблемы с пустыми местами и признана неподходящей для генерации кода). «Одержим потенциалом GenAI? Я тоже! Давайте творить вместе 🚀 https://www.linkedin.com/in/pankajam» Я оценивал orcaminiv2_13b в широком спектре задач, используя Language Model Evaluation Harness от EleutherAI. Вот результаты по метрикам, используемым HuggingFaceH4 Open LLM Leaderboard. Мы использовали сценарий без цензуры поверх предыдущих объяснений настроенных наборов данных, которые мы создаем: набор данных WizardLM ~ 70 тыс., набор данных Alpaca ~ 52 тыс. и набор данных Dolly-V2 ~ 15 тыс., созданный с использованием подходов из Orca Research Paper. Мы используем все 15 системных инструкций, представленных в Orca Research Paper. для создания пользовательских наборов данных, в отличие от подходов к настройке ванильных инструкций, используемых в исходных наборах данных. Это помогает студенческой модели, также известной как эта модель,…
Модальности:
Генерация текста
Области применения:
Математика
Задача: Генерация текста
Автор: pankajmathur
Теги: llama, en, model-index, text-generation-inference, endpoints_compatible
Лайков: 32 | Загрузок: 1,463
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
