You can deploy this model and start earning money today!

RichardErkhov/
rhaymison_-_Llama-3-portuguese-Tom-cat-8b-instruct-gguf

Name: rhaymison_-_Llama-3-portuguese-Tom-cat-8b-instruct-gguf
Availability: InStock

Views

No views yet

Quantization made by Richard Erkhov.

Github

Discord

Request more models

Llama-3-portuguese-Tom-cat-8b-instruct - GGUF

Model creator: https://huggingface.co/rhaymison/
Original model: https://huggingface.co/rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct/

Name	Quant method	Size
Llama-3-portuguese-Tom-cat-8b-instruct.Q2_K.gguf	Q2_K	2.96GB
Llama-3-portuguese-Tom-cat-8b-instruct.IQ3_XS.gguf	IQ3_XS	3.28GB
Llama-3-portuguese-Tom-cat-8b-instruct.IQ3_S.gguf	IQ3_S	3.43GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q3_K_S.gguf	Q3_K_S	3.41GB
Llama-3-portuguese-Tom-cat-8b-instruct.IQ3_M.gguf	IQ3_M	3.52GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q3_K.gguf	Q3_K	3.74GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q3_K_M.gguf	Q3_K_M	3.74GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q3_K_L.gguf	Q3_K_L	4.03GB
Llama-3-portuguese-Tom-cat-8b-instruct.IQ4_XS.gguf	IQ4_XS	4.18GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q4_0.gguf	Q4_0	4.34GB
Llama-3-portuguese-Tom-cat-8b-instruct.IQ4_NL.gguf	IQ4_NL	4.38GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q4_K_S.gguf	Q4_K_S	4.37GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q4_K.gguf	Q4_K	4.58GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q4_K_M.gguf	Q4_K_M	4.58GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q4_1.gguf	Q4_1	4.78GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q5_0.gguf	Q5_0	5.21GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q5_K_S.gguf	Q5_K_S	5.21GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q5_K.gguf	Q5_K	5.34GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q5_K_M.gguf	Q5_K_M	5.34GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q5_1.gguf	Q5_1	5.65GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q6_K.gguf	Q6_K	6.14GB
Llama-3-portuguese-Tom-cat-8b-instruct.Q8_0.gguf	Q8_0	7.95GB

Original model description:

language:

pt license: apache-2.0 library_name: transformers tags:
portugues
portuguese
QA
instruct base_model: meta-llama/Meta-Llama-3-8B-Instruct datasets:
rhaymison/superset pipeline_tag: text-generation model-index:
name: Llama-3-portuguese-Tom-cat-8b-instruct results:
- task: type: text-generation name: Text Generation dataset: name: ENEM Challenge (No Images) type: eduagarcia/enem_challenge split: train args: num_few_shot: 3 metrics:
  - type: acc value: 70.4 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: BLUEX (No Images) type: eduagarcia-temp/BLUEX_without_images split: train args: num_few_shot: 3 metrics:
  - type: acc value: 58.0 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: OAB Exams type: eduagarcia/oab_exams split: train args: num_few_shot: 3 metrics:
  - type: acc value: 51.07 name: accuracy source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: Assin2 RTE type: assin2 split: test args: num_few_shot: 15 metrics:
  - type: f1_macro value: 90.91 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: Assin2 STS type: eduagarcia/portuguese_benchmark split: test args: num_few_shot: 15 metrics:
  - type: pearson value: 75.4 name: pearson source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: FaQuAD NLI type: ruanchaves/faquad-nli split: test args: num_few_shot: 15 metrics:
  - type: f1_macro value: 76.05 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: HateBR Binary type: ruanchaves/hatebr split: test args: num_few_shot: 25 metrics:
  - type: f1_macro value: 86.99 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: PT Hate Speech Binary type: hate_speech_portuguese split: test args: num_few_shot: 25 metrics:
  - type: f1_macro value: 60.39 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard
- task: type: text-generation name: Text Generation dataset: name: tweetSentBR type: eduagarcia/tweetsentbr_fewshot split: test args: num_few_shot: 25 metrics:
  - type: f1_macro value: 65.92 name: f1-macro source: url: https://huggingface.co/spaces/eduagarcia/open_pt_llm_leaderboard?query=rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct name: Open Portuguese LLM Leaderboard

Llama-3-portuguese-Tom-cat-8b-instruct

If you are looking for enhanced compatibility, the Luana model also has a GGUF family that can be run with LlamaCpp. You can explore the GGUF models starting with the one below:

Llama-3-portuguese-Tom-cat-8b-instruct-q8-gguf

Explore this and other models to find the best fit for your needs!

This model was trained with a superset of 300,000 chat in Portuguese. The model comes to help fill the gap in models in Portuguese. Tuned from the Llama3 8B, the model was adjusted mainly for chat.

How to use

FULL MODEL : A100

HALF MODEL: L4

8bit or 4bit : T4 or V100

You can use the model in its normal form up to 4-bit quantization. Below we will use both approaches. Remember that verbs are important in your prompt. Tell your model how to act or behave so that you can guide them along the path of their response. Important points like these help models (even smaller models like 8b) to perform much better.

python

!pip install -q -U transformers
!pip install -q -U accelerate
!pip install -q -U bitsandbytes

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
model = AutoModelForCausalLM.from_pretrained("rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct", device_map= {"": 0})
tokenizer = AutoTokenizer.from_pretrained("rhaymison/Llama-3-portuguese-Tom-cat-8b-instruct")
model.eval()

You can use with Pipeline.

python

from transformers import pipeline
pipe = pipeline("text-generation",
                model=model,
                tokenizer=tokenizer,
                do_sample=True,
                max_new_tokens=512,
                num_beams=2,
                temperature=0.3,
                top_k=50,
                top_p=0.95,
                early_stopping=True,
                pad_token_id=tokenizer.eos_token_id,
                )


def format_prompt(question:str):
    system_prompt = "Abaixo está uma instrução que descreve uma tarefa, juntamente com uma entrada que fornece mais contexto. Escreva uma resposta que complete adequadamente o pedido."

    return f"""<|begin_of_text|><|start_header_id|>system<|end_header_id|>
    { system_prompt }<|eot_id|><|start_header_id|>user<|end_header_id|>
    { question }<|eot_id|><|start_header_id|>assistant<|end_header_id|>"""

prompt =  format_prompt("Me fale sobra a OAB, Ordem dos Advogados do Brasil")
result = pipe(prompt)
result[0]["generated_text"].split("assistant<|end_header_id|>")[1]



#A Ordem dos Advogados do Brasil (OAB) é a entidade responsável por regulamentar e fiscalizar a profissão de advogado no Brasil.
#Foi criada em 1930, com o objetivo de proteger os direitos e interesses dos advogados e da sociedade, garantindo a defesa dos direitos e garantias fundamentais.
#A OAB é uma entidade de direito público, com personalidade jurídica própria, e é composta por advogados e advogadas que atuam em todo o território nacional.
#A entidade é dirigida por um Conselho Federal, que é o órgão máximo da OAB, e é composto por 32 membros, eleitos por votação direta dos advogados e advogadas.
#A OAB tem como principais atribuições:. Regulamentar a profissão de advogado: a OAB estabelece as normas e regulamentações para a formação, habilitação e exercício 
#a profissão de advogado no Brasil. Fiscalizar a atividade dos advogados: a OAB fiscaliza a atividade dos advogados, verificando se eles atendem às normas e
#regulamentações estabelecidas.. Defender os direitos e interesses dos advogados: a OAB defende os direitos e interesses dos advogados, garantindo que eles
#possam exercer sua profissão com liberdade e segurança.\n4. Representar a sociedade: a OAB representa a sociedade, defendendo os direitos e interesses dos 
#dadãos e das instituições.A OAB também é responsável por: Certificar a formação e habilitação dos advogados; Fiscalizar a atividade dos advogados, verificando
#se eles atendem às normas e regulamentações estabelecidas;\n* Defender os direitos e interesses dos advogados, garantindo que eles possam exercer sua profissão
#com liberdade e segurança; Representar a sociedade, defendendo os direitos e interesses dos cidadãos e das instituições.Além disso, a OAB também é responsável por:
#Publicar o Diário da Ordem dos Advogados do Brasil

python

prompt =  format_prompt("Haja como um professor de matemática e me explique porque 2 + 2 = 4")
result = pipe(prompt)
result[0]["generated_text"].split("assistant<|end_header_id|>")[1]

#Meu aluno, é um prazer explicar um conceito fundamental da matemática!  equação 2 + 2 = 4 pode parecer simples, mas é
#importante entender por quê ela é verdadeira. Em matemática, a adição é uma operação que combina dois números para obter um resultado.
#Nesse caso, estamos adicionando 2 e 2. Para entender melhor, vamos começar com um exemplo concreto. Imagine que você tem 2 maçãs em uma mesa e seu amigo também tem
#2 maçãs em outra mesa. Se você e seu amigo combinam suas maçãs, você terá agora 4 maçãs.Agora, vamos usar símbolos para representar essa situação.
#Podemos escrever 2 + 2 =?, e o resultado é 4. Isso significa que quando você soma 2 e 2, o resultado é 4. Mas por quê isso é verdade? Isso é porque a adição é
#uma operação que segue certas regras. Uma dessas regras é que a ordem em que você soma os números não muda o resultado. Isso significa que 2 + 2 é igual a 2 + 2,
#independentemente da ordem em que você soma.Além disso, a adição também é uma operação que é associativa, o que significa que você pode adicionar números em
#qualquer ordem e o resultado será o mesmo. Por exemplo, (2 + 2) + 0 = 2 + (2 + 0). Isso é verdade porque a adição é uma operação que é idempotente, o que significa
#que adicionando 0 a um número não muda o resultado.Portanto, quando você soma 2 e 2, o resultado é 4 porque a adição segue essas regras. A equação 2 + 2 = 4
#é verdadeira porque é uma consequência lógica da definição da adição e das regras que a governam.Espero que isso tenha ajudado a entender melhor por quê 2 + 2 = 4,
#meu aluno!

If you are having a memory problem such as "CUDA Out of memory", you should use 4-bit or 8-bit quantization. For the complete model in colab you will need the A100. If you want to use 4bits or 8bits, T4 or L4 will already solve the problem.

4bits example

python

from transformers import BitsAndBytesConfig
import torch
nb_4bit_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
    bnb_4bit_use_double_quant=True
)

model = AutoModelForCausalLM.from_pretrained(
    base_model,
    quantization_config=bnb_config,
    device_map={"": 0}
)

Open Portuguese LLM Leaderboard Evaluation Results

Detailed results can be found here and on the 🚀 Open Portuguese LLM Leaderboard

Metric	Value
Average	70.57
ENEM Challenge (No Images)	70.40
BLUEX (No Images)	58
OAB Exams	51.07
Assin2 RTE	90.91
Assin2 STS	75.40
FaQuAD NLI	76.05
HateBR Binary	86.99
PT Hate Speech Binary	60.39
tweetSentBR	65.92

Comments

Any idea, help or report will always be welcome.

email: rhaymisoncristian@gmail.com

RichardErkhov/rhaymison_-_Llama-3-portuguese-Tom-cat-8b-instruct-gguf

Original model description:

Llama-3-portuguese-Tom-cat-8b-instruct

How to use

FULL MODEL : A100

HALF MODEL: L4

8bit or 4bit : T4 or V100

4bits example

Open Portuguese LLM Leaderboard Evaluation Results

Comments

RichardErkhov/
rhaymison_-_Llama-3-portuguese-Tom-cat-8b-instruct-gguf