everythinglm:13b im LLM-Testsuite-Report
Modellbeschreibung
Unzensiertes Modell auf Basis von Llama 2 mit Unterstützung für ein Kontextfenster von 16K.
| Modellfamilie | everythinglm |
|---|---|
| Kontext | 16K |
| Input | Text |
| Größe | 74 GB |
| Familiengrößen | 13b |
Readme-Auszug
Das Everything Language Model ist ein auf Llama 2 basierendes Modell mit einem 16K-Kontext, das von Totally Not An LLM (Kai Howard) veröffentlicht wurde. Es wurde mit dem EverythingLM-Datensatz trainiert und ist unzensiert.
CLI
ollama run everythinglm
Ändern Sie nach dem Laden die Kontextgröße auf 16K
/set parameter num_ctx 16384
API
Beispiel:
curl -X POST http://localhost:11434/api/generate -d '{ "model": "everythinglm", "prompt": "Warum ist der Himmel blau?" "options": { "num_ctx": 16384 } }'
Referenz
Originalquelle des Modells mit 13 Milliarden Parametern: Totally Not An LLM
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.