richarderkhov/mlp-ktlim_-_llama-3-korean-bllossom-8b-gguf overview

{
  "metadata": {},
  "card_data": {
    "frontmatter": {},
    "hero_image_url": "https://github.com/teddysum/bllossom/blob/main//bllossom_icon.png?raw=true",
    "summary": "* ~~[2024.08.09] Llama3.1 버전을 기반으로한 Bllossom-8B로 모델을 업데이트 했습니다. 기존 llama3기반 Bllossom 보다 평균 5%정도 성능 향상이 있었습니다.~~(수정중에 있습니다.) * [2024.06.18] 사전학습량을 **250GB**까지 늘린 Bllossom ELO모델로 업데이트 되었습니다. 다만 단어확장은 하지 않았습니다. 기존 단어확장된 long-context 모델을 활용하고 싶으신분은 개인연락주세요! * [2024.06.18] Bllossom ELO 모델은 자체 개발한 ELO사전학습 기반으로 새로운 학습된 모델입니다. LogicKor 벤치마크 결과 현존하는 한국어 10B이하 모델중 SOTA점수를 받았습니다. LogicKor 성능표 : | Model | Math | Reasoning | Writing | Coding | Understanding | Grammar | Single ALL | Multi ALL | Overall | |:---------:|:-----:|:------:|:-----:|:-----:|:----:|:-----:|:-----:|:-----:|:----:| | gpt-3.5-turbo-0125 | 7.14 | 7.71 | 8.28 | 5.85 | 9.71 | 6.28 | 7.50 | 7.95 | 7.72 | | gemini-1.5-pro-preview-0215 | 8.00 | 7.85 | 8.14 | 7.71 | 8.42 | 7.28 | 7.90 | 6.26 | 7.08 | | llama-3-Korean-Bllossom-8B | 5.43 | 8.29 | 9.0 | 4.43 | 7.57 | 6.86 | 6.93 | 6.93 | 6.93 | # Bllossom | [Demo]() | Homepage | Github |   ``bash 저희 Bllossom팀 에서 한국어-영어 이중 언어모델인 Bllossom을 공개했습니다! 서울과기대 슈퍼컴퓨팅 센터의 지원으로 100GB가넘는 한국어로 모델전체를 풀튜닝한 한국어 강화 이중언어 모델입니다! 한국어 잘하는 모델 찾고 있지 않으셨나요? 이 모든게 한꺼번에 적용되고 상업적 이용이 가능한 Bllossom을 이용해 여러분 만의 모델을 만들어보세욥! 무려 Colab 무료 GPU로 학습이 가능합니다. 혹은 양자화 모델로 CPU에올려보세요 양자화모델 1. Bllossom-8B는 서울과기대, 테디썸, 연세대 언어자원 연구실의 언어학자와 협업해 만든 실용주의기반 언어모델입니다! 앞으로 지속적인 업데이트를 통해 관리하겠습니다 많이 활용해주세요 🙂 2. 초 강력한 Advanced-Bllossom 8B, 70B모델, 시각-언어모델을 보유하고 있습니다! (궁금하신분은 개별 연락주세요!!) 3. Bllossom은 NAACL2024, LREC-COLING2024 (구두) 발표로 채택되었습니다. 4. 좋은 언어모델 계속 업데이트 하겠습니다!! 한국어 강화를위해 공동 연구하실분(특히논문) 언제든 환영합니다!! 특히 소량의 GPU라도 대여 가능한팀은 언제든 연락주세요! 만들고 싶은거 도와드려요. `` The Bllossom language model is a Korean-English bilingual language model based on the open-source LLama3. It enhances the connection of knowledge between Korean and English. It has the following features: * **Knowledge Linking**: Linking Korean and English knowledge through additional training * **Vocabulary Expansion**: Expansion of Korean vocabulary to enhance Korean expressiveness. * **Instruction Tuning**: Tuning using custom-made instruction following data specialized for Korean language and Korean culture * **Human Feedback**: DPO has been applied * **Vision-Language Alignment**: Aligning the vision transformer with this language model **This model developed by MLPLab at Seoultech, Teddysum and Yonsei Univ**",
    "quick_links": [],
    "benchmark_table_html": "",
    "readme_markdown": "Quantization made by Richard Erkhov.\n\n[Github](https://github.com/RichardErkhov)\n\n[Discord](https://discord.gg/pvy7H8DZMG)\n\n[Request more models](https://github.com/RichardErkhov/quant_request)\n\n\nllama-3-Korean-Bllossom-8B - GGUF\n- Model creator: https://huggingface.co/MLP-KTLim/\n- Original model: https://huggingface.co/MLP-KTLim/llama-3-Korean-Bllossom-8B/\n\n\n| Name | Quant method | Size |\n| ---- | ---- | ---- |\n| [llama-3-Korean-Bllossom-8B.Q2_K.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q2_K.gguf) | Q2_K | 2.96GB |\n| [llama-3-Korean-Bllossom-8B.IQ3_XS.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.IQ3_XS.gguf) | IQ3_XS | 3.28GB |\n| [llama-3-Korean-Bllossom-8B.IQ3_S.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.IQ3_S.gguf) | IQ3_S | 3.43GB |\n| [llama-3-Korean-Bllossom-8B.Q3_K_S.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q3_K_S.gguf) | Q3_K_S | 3.41GB |\n| [llama-3-Korean-Bllossom-8B.IQ3_M.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.IQ3_M.gguf) | IQ3_M | 3.52GB |\n| [llama-3-Korean-Bllossom-8B.Q3_K.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q3_K.gguf) | Q3_K | 3.74GB |\n| [llama-3-Korean-Bllossom-8B.Q3_K_M.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q3_K_M.gguf) | Q3_K_M | 3.74GB |\n| [llama-3-Korean-Bllossom-8B.Q3_K_L.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q3_K_L.gguf) | Q3_K_L | 4.03GB |\n| [llama-3-Korean-Bllossom-8B.IQ4_XS.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.IQ4_XS.gguf) | IQ4_XS | 4.18GB |\n| [llama-3-Korean-Bllossom-8B.Q4_0.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q4_0.gguf) | Q4_0 | 4.34GB |\n| [llama-3-Korean-Bllossom-8B.IQ4_NL.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.IQ4_NL.gguf) | IQ4_NL | 4.38GB |\n| [llama-3-Korean-Bllossom-8B.Q4_K_S.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q4_K_S.gguf) | Q4_K_S | 4.37GB |\n| [llama-3-Korean-Bllossom-8B.Q4_K.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q4_K.gguf) | Q4_K | 4.58GB |\n| [llama-3-Korean-Bllossom-8B.Q4_K_M.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q4_K_M.gguf) | Q4_K_M | 4.58GB |\n| [llama-3-Korean-Bllossom-8B.Q4_1.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q4_1.gguf) | Q4_1 | 4.78GB |\n| [llama-3-Korean-Bllossom-8B.Q5_0.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q5_0.gguf) | Q5_0 | 5.21GB |\n| [llama-3-Korean-Bllossom-8B.Q5_K_S.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q5_K_S.gguf) | Q5_K_S | 5.21GB |\n| [llama-3-Korean-Bllossom-8B.Q5_K.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q5_K.gguf) | Q5_K | 5.34GB |\n| [llama-3-Korean-Bllossom-8B.Q5_K_M.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q5_K_M.gguf) | Q5_K_M | 5.34GB |\n| [llama-3-Korean-Bllossom-8B.Q5_1.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q5_1.gguf) | Q5_1 | 5.65GB |\n| [llama-3-Korean-Bllossom-8B.Q6_K.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q6_K.gguf) | Q6_K | 6.14GB |\n| [llama-3-Korean-Bllossom-8B.Q8_0.gguf](https://huggingface.co/RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf/blob/main/llama-3-Korean-Bllossom-8B.Q8_0.gguf) | Q8_0 | 7.95GB |\n\n\n\n\nOriginal model description:\n---\nbase_model:\n- meta-llama/Meta-Llama-3-8B\nlanguage:\n- en\n- ko\nlibrary_name: transformers\nlicense: llama3\n---\n\n<a href=\"https://github.com/MLP-Lab/Bllossom\">\n  <img src=\"https://github.com/teddysum/bllossom/blob/main//bllossom_icon.png?raw=true\" width=\"40%\" height=\"50%\">\n</a>\n\n\n\n# Update!\n* ~~[2024.08.09] Llama3.1 버전을 기반으로한 Bllossom-8B로 모델을 업데이트 했습니다. 기존 llama3기반 Bllossom 보다 평균 5%정도 성능 향상이 있었습니다.~~(수정중에 있습니다.)\n* [2024.06.18] 사전학습량을 **250GB**까지 늘린 Bllossom ELO모델로 업데이트 되었습니다. 다만 단어확장은 하지 않았습니다. 기존 단어확장된 long-context 모델을 활용하고 싶으신분은 개인연락주세요!\n* [2024.06.18] Bllossom ELO 모델은 자체 개발한 ELO사전학습 기반으로 새로운 학습된 모델입니다. [LogicKor](https://github.com/StableFluffy/LogicKor) 벤치마크 결과 현존하는 한국어 10B이하 모델중 SOTA점수를 받았습니다. \n\nLogicKor 성능표 :\n| Model | Math | Reasoning | Writing | Coding | Understanding | Grammar | Single ALL | Multi ALL | Overall |\n|:---------:|:-----:|:------:|:-----:|:-----:|:----:|:-----:|:-----:|:-----:|:----:|\n| gpt-3.5-turbo-0125 | 7.14 | 7.71 | 8.28 | 5.85 | 9.71 | 6.28 | 7.50 | 7.95 | 7.72 |\n| gemini-1.5-pro-preview-0215 | 8.00 | 7.85 | 8.14 | 7.71 | 8.42 | 7.28 | 7.90 | 6.26 | 7.08 |\n| llama-3-Korean-Bllossom-8B | 5.43 | 8.29 | 9.0 | 4.43 | 7.57 | 6.86 | 6.93 | 6.93 | 6.93 |\n\n\n\n# Bllossom | [Demo]() | [Homepage](https://www.bllossom.ai/) | [Github](https://github.com/MLP-Lab/Bllossom) |\n\n<!-- [GPU용 Colab 코드예제](https://colab.research.google.com/drive/1fBOzUVZ6NRKk_ugeoTbAOokWKqSN47IG?usp=sharing) | -->\n<!-- [CPU용 Colab 양자화모델 코드예제](https://colab.research.google.com/drive/129ZNVg5R2NPghUEFHKF0BRdxsZxinQcJ?usp=drive_link) -->\n\n```bash\n저희 Bllossom팀 에서 한국어-영어 이중 언어모델인 Bllossom을 공개했습니다!\n서울과기대 슈퍼컴퓨팅 센터의 지원으로 100GB가넘는 한국어로 모델전체를 풀튜닝한 한국어 강화 이중언어 모델입니다!\n한국어 잘하는 모델 찾고 있지 않으셨나요?\n - 한국어 최초! 무려 3만개가 넘는 한국어 어휘확장\n - Llama3대비 대략 25% 더 긴 길이의 한국어 Context 처리가능\n - 한국어-영어 Pararell Corpus를 활용한 한국어-영어 지식연결 (사전학습)\n - 한국어 문화, 언어를 고려해 언어학자가 제작한 데이터를 활용한 미세조정\n - 강화학습\n이 모든게 한꺼번에 적용되고 상업적 이용이 가능한 Bllossom을 이용해 여러분 만의 모델을 만들어보세욥!\n무려 Colab 무료 GPU로 학습이 가능합니다. 혹은 양자화 모델로 CPU에올려보세요 [양자화모델](https://huggingface.co/MLP-KTLim/llama-3-Korean-Bllossom-8B-4bit)\n\n1. Bllossom-8B는 서울과기대, 테디썸, 연세대 언어자원 연구실의 언어학자와 협업해 만든 실용주의기반 언어모델입니다! 앞으로 지속적인 업데이트를 통해 관리하겠습니다 많이 활용해주세요 🙂\n2. 초 강력한 Advanced-Bllossom 8B, 70B모델, 시각-언어모델을 보유하고 있습니다! (궁금하신분은 개별 연락주세요!!)\n3. Bllossom은 NAACL2024, LREC-COLING2024 (구두) 발표로 채택되었습니다.\n4. 좋은 언어모델 계속 업데이트 하겠습니다!! 한국어 강화를위해 공동 연구하실분(특히논문) 언제든 환영합니다!! \n   특히 소량의 GPU라도 대여 가능한팀은 언제든 연락주세요! 만들고 싶은거 도와드려요.\n```\n\nThe Bllossom language model is a Korean-English bilingual language model based on the open-source LLama3. It enhances the connection of knowledge between Korean and English. It has the following features:\n\n* **Knowledge Linking**: Linking Korean and English knowledge through additional training\n* **Vocabulary Expansion**: Expansion of Korean vocabulary to enhance Korean expressiveness.\n* **Instruction Tuning**: Tuning using custom-made instruction following data specialized for Korean language and Korean culture\n* **Human Feedback**: DPO has been applied\n* **Vision-Language Alignment**: Aligning the vision transformer with this language model \n\n**This model developed by [MLPLab at Seoultech](http://mlp.seoultech.ac.kr), [Teddysum](http://teddysum.ai/) and [Yonsei Univ](https://sites.google.com/view/hansaemkim/hansaem-kim)**\n\n## Demo Video\n\n<div style=\"display: flex; justify-content: space-between;\">\n  <!-- 첫 번째 컬럼 -->\n  <div style=\"width: 49%;\">\n    <a>\n      <img src=\"https://github.com/lhsstn/lhsstn/blob/main/x-llava_dem.gif?raw=true\" style=\"width: 100%; height: auto;\">\n    </a>\n    <p style=\"text-align: center;\">Bllossom-V Demo</p>\n  </div>\n\n  <!-- 두 번째 컬럼 (필요하다면) -->\n  <div style=\"width: 49%;\">\n    <a>\n      <img src=\"https://github.com/lhsstn/lhsstn/blob/main/bllossom_demo_kakao.gif?raw=true\" style=\"width: 70%; height: auto;\">\n    </a>\n    <p style=\"text-align: center;\">Bllossom Demo(Kakao)ㅤㅤㅤㅤㅤㅤㅤㅤ</p>\n  </div>\n</div>\n\n\n\n# NEWS\n* [2024.06.18] We have reverted to the non-vocab-expansion model. However, we have significantly increased the amount of pre-training data to 250GB.\n* [2024.05.08] Vocab Expansion Model Update\n* [2024.04.25] We released Bllossom v2.0, based on llama-3\n\n## Example code\n\n### Colab Tutorial\n - [Inference-Code-Link](https://colab.research.google.com/drive/1fBOzUVZ6NRKk_ugeoTbAOokWKqSN47IG?usp=sharing)\n\n### Install Dependencies\n```bash\npip install torch transformers==4.40.0 accelerate\n```\n\n### Python code with Pipeline\n```python\nimport transformers\nimport torch\n\nmodel_id = \"MLP-KTLim/llama-3-Korean-Bllossom-8B\"\n\npipeline = transformers.pipeline(\n    \"text-generation\",\n    model=model_id,\n    model_kwargs={\"torch_dtype\": torch.bfloat16},\n    device_map=\"auto\",\n)\n\npipeline.model.eval()\n\nPROMPT = '''You are a helpful AI assistant. Please answer the user's questions kindly. 당신은 유능한 AI 어시스턴트 입니다. 사용자의 질문에 대해 친절하게 답변해주세요.'''\ninstruction = \"서울의 유명한 관광 코스를 만들어줄래?\"\n\nmessages = [\n    {\"role\": \"system\", \"content\": f\"{PROMPT}\"},\n    {\"role\": \"user\", \"content\": f\"{instruction}\"}\n    ]\n\nprompt = pipeline.tokenizer.apply_chat_template(\n        messages, \n        tokenize=False, \n        add_generation_prompt=True\n)\n\nterminators = [\n    pipeline.tokenizer.eos_token_id,\n    pipeline.tokenizer.convert_tokens_to_ids(\"<|eot_id|>\")\n]\n\noutputs = pipeline(\n    prompt,\n    max_new_tokens=2048,\n    eos_token_id=terminators,\n    do_sample=True,\n    temperature=0.6,\n    top_p=0.9\n)\n\nprint(outputs[0][\"generated_text\"][len(prompt):])\n```\n```\n# 물론이죠! 서울은 다양한 문화와 역사, 자연을 겸비한 도시로, 많은 관광 명소를 자랑합니다. 여기 서울의 유명한 관광 코스를 소개해 드릴게요.\n\n### 코스 1: 역사와 문화 탐방\n\n1. **경복궁**\n   - 서울의 대표적인 궁궐로, 조선 왕조의 역사와 문화를 체험할 수 있는 곳입니다.\n\n2. **북촌 한옥마을**\n   - 전통 한옥이 잘 보존된 마을로, 조선시대의 생활상을 느낄 수 있습니다.\n\n3. **인사동**\n   - 전통 문화와 현대 예술이 공존하는 거리로, 다양한 갤러리와 전통 음식점이 있습니다.\n\n4. **청계천**\n   - 서울의 중심에 위치한 천문으로, 조깅과 산책을 즐길 수 있는 곳입니다.\n\n### 코스 2: 자연과 쇼핑\n\n1. **남산 서울타워**\n   - 서울의 전경을 한눈에 볼 수 있는 곳으로, 특히 저녁 시간대에 일몰을 감상하는 것이 좋습니다.\n\n2. **명동**\n   - 쇼핑과 음식점이 즐비한 지역으로, 다양한 브랜드와 전통 음식을 맛볼 수 있습니다.\n\n3. **한강공원**\n   - 서울의 주요 공원 중 하나로, 조깅, 자전거 타기, 배낭 여행을 즐길 수 있습니다.\n\n4. **홍대**\n   - 젊은이들이 즐겨 찾는 지역으로, 다양한 카페, 레스토랑, 클럽이 있습니다.\n\n### 코스 3: 현대와 전통의 조화\n\n1. **동대문 디자인 플라자 (DDP)**\n   - 현대적인 건축물로, 다양한 전시와 이벤트가 열리는 곳입니다.\n\n2. **이태원**\n   - 다양한 국제 음식과 카페가 있는 지역으로, 다양한 문화를 경험할 수 있습니다.\n\n3. **광화문**\n   - 서울의 중심에 위치한 광장으로, 다양한 공연과 행사가 열립니다.\n\n4. **서울랜드**\n   - 서울 외곽에 위치한 테마파크로, 가족단위 관광객들에게 인기 있는 곳입니다.\n\n이 코스들은 서울의 다양한 면모를 경험할 수 있도록 구성되어 있습니다. 각 코스마다 시간을 조절하고, 개인의 관심사에 맞게 선택하여 방문하면 좋을 것 같습니다. 즐거운 여행 되세요!\n```\n\n### Python code with AutoModel\n```python\n\nimport os\nimport torch\nfrom transformers import AutoTokenizer, AutoModelForCausalLM\n\nmodel_id = 'MLP-KTLim/llama-3-Korean-Bllossom-8B'\n\ntokenizer = AutoTokenizer.from_pretrained(model_id)\nmodel = AutoModelForCausalLM.from_pretrained(\n    model_id,\n    torch_dtype=torch.bfloat16,\n    device_map=\"auto\",\n)\n\nmodel.eval()\n\nPROMPT = '''You are a helpful AI assistant. Please answer the user's questions kindly. 당신은 유능한 AI 어시스턴트 입니다. 사용자의 질문에 대해 친절하게 답변해주세요.'''\ninstruction = \"서울의 유명한 관광 코스를 만들어줄래?\"\n\nmessages = [\n    {\"role\": \"system\", \"content\": f\"{PROMPT}\"},\n    {\"role\": \"user\", \"content\": f\"{instruction}\"}\n    ]\n\ninput_ids = tokenizer.apply_chat_template(\n    messages,\n    add_generation_prompt=True,\n    return_tensors=\"pt\"\n).to(model.device)\n\nterminators = [\n    tokenizer.eos_token_id,\n    tokenizer.convert_tokens_to_ids(\"<|eot_id|>\")\n]\n\noutputs = model.generate(\n    input_ids,\n    max_new_tokens=2048,\n    eos_token_id=terminators,\n    do_sample=True,\n    temperature=0.6,\n    top_p=0.9\n)\n\nprint(tokenizer.decode(outputs[0][input_ids.shape[-1]:], skip_special_tokens=True))\n```\n```\n# 물론이죠! 서울은 다양한 문화와 역사, 자연을 겸비한 도시로, 많은 관광 명소를 자랑합니다. 여기 서울의 유명한 관광 코스를 소개해 드릴게요.\n\n### 코스 1: 역사와 문화 탐방\n\n1. **경복궁**\n   - 서울의 대표적인 궁궐로, 조선 왕조의 역사와 문화를 체험할 수 있는 곳입니다.\n\n2. **북촌 한옥마을**\n   - 전통 한옥이 잘 보존된 마을로, 조선시대의 생활상을 느낄 수 있습니다.\n\n3. **인사동**\n   - 전통 문화와 현대 예술이 공존하는 거리로, 다양한 갤러리와 전통 음식점이 있습니다.\n\n4. **청계천**\n   - 서울의 중심에 위치한 천문으로, 조깅과 산책을 즐길 수 있는 곳입니다.\n\n### 코스 2: 자연과 쇼핑\n\n1. **남산 서울타워**\n   - 서울의 전경을 한눈에 볼 수 있는 곳으로, 특히 저녁 시간대에 일몰을 감상하는 것이 좋습니다.\n\n2. **명동**\n   - 쇼핑과 음식점이 즐비한 지역으로, 다양한 브랜드와 전통 음식을 맛볼 수 있습니다.\n\n3. **한강공원**\n   - 서울의 주요 공원 중 하나로, 조깅, 자전거 타기, 배낭 여행을 즐길 수 있습니다.\n\n4. **홍대**\n   - 젊은이들이 즐겨 찾는 지역으로, 다양한 카페, 레스토랑, 클럽이 있습니다.\n\n### 코스 3: 현대와 전통의 조화\n\n1. **동대문 디자인 플라자 (DDP)**\n   - 현대적인 건축물로, 다양한 전시와 이벤트가 열리는 곳입니다.\n\n2. **이태원**\n   - 다양한 국제 음식과 카페가 있는 지역으로, 다양한 문화를 경험할 수 있습니다.\n\n3. **광화문**\n   - 서울의 중심에 위치한 광장으로, 다양한 공연과 행사가 열립니다.\n\n4. **서울랜드**\n   - 서울 외곽에 위치한 테마파크로, 가족단위 관광객들에게 인기 있는 곳입니다.\n\n이 코스들은 서울의 다양한 면모를 경험할 수 있도록 구성되어 있습니다. 각 코스마다 시간을 조절하고, 개인의 관심사에 맞게 선택하여 방문하면 좋을 것 같습니다. 즐거운 여행 되세요!\n```\n\n\n\n## Citation\n**Language Model**\n```text\n@misc{bllossom,\n  author = {ChangSu Choi, Yongbin Jeong, Seoyoon Park, InHo Won, HyeonSeok Lim, SangMin Kim, Yejee Kang, Chanhyuk Yoon, Jaewan Park, Yiseul Lee, HyeJin Lee, Younggyun Hahm, Hansaem Kim, KyungTae Lim},\n  title = {Optimizing Language Augmentation for Multilingual Large Language Models: A Case Study on Korean},\n  year = {2024},\n  journal = {LREC-COLING 2024},\n  paperLink = {\\url{https://arxiv.org/pdf/2403.10882}},\n },\n}\n```\n\n**Vision-Language Model**\n```text\n@misc{bllossom-V,\n  author = {Dongjae Shin, Hyunseok Lim, Inho Won, Changsu Choi, Minjun Kim, Seungwoo Song, Hangyeol Yoo, Sangmin Kim, Kyungtae Lim},\n  title = {X-LLaVA: Optimizing Bilingual Large Vision-Language Alignment},\n  year = {2024},\n  publisher = {GitHub},\n  journal = {NAACL 2024 findings},\n  paperLink = {\\url{https://arxiv.org/pdf/2403.11399}},\n },\n}\n```\n\n## Contact\n - 임경태(KyungTae Lim), Professor at Seoultech. `ktlim@seoultech.ac.kr`\n - 함영균(Younggyun Hahm), CEO of Teddysum. `hahmyg@teddysum.ai`\n - 김한샘(Hansaem Kim), Professor at Yonsei. `khss@yonsei.ac.kr`\n\n## Contributor\n - 최창수(Chansu Choi), choics2623@seoultech.ac.kr\n - 김상민(Sangmin Kim), sangmin9708@naver.com\n - 원인호(Inho Won), wih1226@seoultech.ac.kr\n - 김민준(Minjun Kim), mjkmain@seoultech.ac.kr \n - 송승우(Seungwoo Song), sswoo@seoultech.ac.kr\n - 신동재(Dongjae Shin), dylan1998@seoultech.ac.kr\n - 임현석(Hyeonseok Lim), gustjrantk@seoultech.ac.kr\n - 육정훈(Jeonghun Yuk), usually670@gmail.com\n - 유한결(Hangyeol Yoo), 21102372@seoultech.ac.kr\n - 송서현(Seohyun Song), alexalex225225@gmail.com\n\n",
    "related_quantizations": []
  },
  "tags": [
    "gguf",
    "arxiv:2403.10882",
    "arxiv:2403.11399",
    "endpoints_compatible",
    "region:us",
    "conversational"
  ],
  "likes": 0,
  "downloads": 274,
  "gated": false,
  "private": false,
  "last_modified": "2024-08-19T23:05:21.000Z",
  "created_at": "2024-08-19T21:27:43.000Z",
  "pipeline_tag": "",
  "library_name": ""
}

{
  "_id": "66c3b8cffa92c9e00a328951",
  "id": "RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf",
  "modelId": "RichardErkhov/MLP-KTLim_-_llama-3-Korean-Bllossom-8B-gguf",
  "sha": "a7808b28e44a0a61c0ccec3fc1bbd3ce512e1ce9",
  "createdAt": "2024-08-19T21:27:43.000Z",
  "lastModified": "2024-08-19T23:05:21.000Z",
  "author": "RichardErkhov",
  "downloads": 274,
  "likes": 0,
  "gated": false,
  "private": false,
  "pipeline_tag": "",
  "library_name": "",
  "siblings_count": 24
}