Aller au contenu
BNTIC News Numérique · Innovation · Énergie
BNTIC ModelFinderAfrica · métadonnées ouvertes
Métadonnées publiques · Hugging Face Hub

bigscience/bloomz-3b

bigscience/bloomz-3b : génération de texte, licence BigScience BLOOM RAIL 1.0, 5,6 Gio de poids, 3 milliards de paramètres. Mémoire nécessaire estimée, fichie

La source ne fournit pas de description structurée dans les métadonnées consultées.

Fiche factuelle

Propriétaire déclaré
bigscience
Tâche déclarée
Génération de texte text-generation
Langues déclarées
ak, Arabe, as, Bambara, bn, ca, code, Anglais, es, eu, fon, Français, gu, hi, id, ig, ki, kn, lg, Lingala, ml, mr, ne, nso, ny, or, pa, Portugais, rn, Kinyarwanda
Licence déclarée
BigScience BLOOM RAIL 1.0
Qualification de licence
Licence ouverte avec conditions
Usage commercial
Possible d’après la licence déclarée, à confirmer dans son texte (vérification du texte intégral requise)
Accès public direct
Oui, d’après l’API
Format SafeTensors
Déclaré
Bibliothèque
transformers
Paramètres
3 milliards de paramètres
Taille des poids connue
5,6 Gio
Fichiers référencés
14
Jeux de données déclarés
bigscience/xP3
Résultats d’évaluation structurés
20 (comparables seulement à protocole identique)
Documentation structurée
Présente
Dernière mise à jour
2023-05-27T17:26:10.000Z
Téléchargements
5054 (indicateur de popularité uniquement)
Appréciations
81 (indicateur de popularité uniquement)
Source
Hugging Face Hub
Dépôt de code explicitement lié
Non renseigné
Publication explicitement liée
Consulter la publication
Interrogé le
2026-10-08T00:42:29.796838+00:00

Évaluations déclarées

Ces valeurs sont reproduites depuis les métadonnées de la fiche. Ne comparez deux résultats que si la tâche, le jeu de données, sa version et le protocole sont identiques.
MétriqueValeur déclaréeTâcheJeu d’évaluation
Accuracy53,67Coreference resolutionWinogrande XL (xl)
Accuracy59,23Coreference resolutionXWinograd (en)
Accuracy53,01Coreference resolutionXWinograd (fr)
Accuracy52,45Coreference resolutionXWinograd (jp)
Accuracy53,61Coreference resolutionXWinograd (pt)
Accuracy53,97Coreference resolutionXWinograd (ru)
Accuracy60,91Coreference resolutionXWinograd (zh)
Accuracy40,1Natural language inferenceANLI (r1)
Accuracy36,8Natural language inferenceANLI (r2)
Accuracy40Natural language inferenceANLI (r3)
Accuracy75Natural language inferenceSuperGLUE (cb)
Accuracy76,17Natural language inferenceSuperGLUE (rte)
Accuracy53,29Natural language inferenceXNLI (ar)
Accuracy43,82Natural language inferenceXNLI (bg)
Accuracy45,26Natural language inferenceXNLI (de)
Accuracy42,61Natural language inferenceXNLI (el)
Accuracy57,31Natural language inferenceXNLI (en)
Accuracy56,14Natural language inferenceXNLI (es)
Accuracy55,78Natural language inferenceXNLI (fr)
Accuracy51,49Natural language inferenceXNLI (hi)

Fichiers déclarés par la source

NomFormatPrécision détectéeTaille
.gitattributesautreinconnue1,5 Kio
README.mdautreinconnue24,0 Kio
config.jsonautreinconnue715 octets
logs/logs/xp3capmixnewcodelonglossseq/main_log.txtautreinconnue18,8 Mio
logs/tensorboard/xp3capmixnewcodelonglossseq/events.out.tfevents.1664816062.r9i7n3.3601676.0autreinconnue40,5 Kio
logs/tensorboard/xp3capmixnewcodelonglossseq/events.out.tfevents.1664821892.r9i7n5.1076818.0autreinconnue82,7 Kio
logs/tensorboard/xp3capmixnewcodelonglossseq/events.out.tfevents.1664880937.r8i4n5.18063.0autreinconnue2,9 Mio
logs/tensorboard/xp3capmixnewcodelonglossseq/events.out.tfevents.1665113303.r9i7n5.165552.0autreinconnue708,8 Kio
logs/tensorboard/xp3capmixnewcodelonglossseq/events.out.tfevents.1665150361.jean-zay-iam41.420308.0autreinconnue5,5 Mio
model.safetensorssafetensorsinconnue5,6 Gio
pytorch_model.binbininconnue5,6 Gio
special_tokens_map.jsonautreinconnue85 octets
tokenizer.jsonautreinconnue13,8 Mio
tokenizer_config.jsonautreinconnue199 octets