Update README.md

README.md

@@ -1,3 +1,54 @@
----
-license: mit
----
+---
+license: mit
+base_model:
+- ai-sage/GigaChat-20B-A3B-instruct
+language:
+- ru
+- en
+---
+# GigaChat-20B-A3B-instruct-v1.5 bf16
+
+Диалоговая модель из семейства моделей GigaChat, основная на [ai-sage/GigaChat-20B-A3B-instruct-v1.5](https://huggingface.co/ai-sage/GigaChat-20B-A3B-instruct-v1.5). Поддерживает контекст в 131 тысячу токенов.
+
+Представляем обновленную версию с улучшенным alignment, что привело к значительному росту метрик арен:
+- Arena Hard RU: 20.8 → 29.6 (+8.8)
+- Arena General: 41.1 → 49.1 (+9)
+- остальные метрики на тех же значениях
+
+Больше подробностей в [хабр статье](https://habr.com/en/companies/sberdevices/articles/865996/) и в карточке оригинальной instruct модели.
+
+## Доступность
+
+**Для данной модели также доступны веса в [fp32](https://huggingface.co/ai-sage/GigaChat-20B-A3B-instruct-v1.5) и [int8](https://huggingface.co/ai-sage/GigaChat-20B-A3B-instruct-v1.5-int8)**
+
+А также:
+- GGUF версии ([bf16, q8, q6, q5, q4](https://huggingface.co/ai-sage/GigaChat-20B-A3B-instruct-v1.5-GGUF))
+- Ollama ([bf16, q8, q6, q5, q4](https://ollama.com/infidelis/GigaChat-20B-A3B-instruct-v1.5))
+
+
+## Пример использования через transformers
+
+```bash
+pip install --upgrade transformers torch accelerate bitsandbytes
+```
+
+
+```python
+import torch
+from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
+
+model_name = "ai-sage/GigaChat-20B-A3B-instruct-bf16"
+tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True, device_map="auto", torch_dtype=torch.bfloat16)
+model.generation_config = GenerationConfig.from_pretrained(model_name)
+
+messages = [
+    {"role": "user", "content": "Докажи теорему о неподвижной точке"}
+]
+input_tensor = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
+outputs = model.generate(input_tensor.to(model.device))
+
+result = tokenizer.decode(outputs[0][input_tensor.shape[1]:], skip_special_tokens=False)
+print(result)
+```
+