/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
7 ноя 2024

LongWriter-Qwen2.5-7B-Instruct

Генерация текстаТекст → текст3 профессии

Дообученная на базе Qwen2.5-7B-Instruct модель для генерации длинных текстов на английском и китайском языках.

43скачиваний за 30 дней5лайковвеса обновлены12 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

C10X/LongWriter-Qwen2.5-7B-Instruct — дообученная авторами репозитория модель на базе Qwen2.5-7B-Instruct, предназначенная для генерации длинных текстов. Авторы сообщают, что модель способна создавать более 10 000 слов за один запрос; в обучении использованы отфильтрованные примеры LongWriter-6k и выборки китайских и английских данных Magpie-Qwen2-Pro-200K.

Модель имеет плотную архитектуру Qwen2 и 7,1 млрд параметров, работает через Transformers и принимает текст, выдавая текст. Метаданные указывают контекст 32 768 токенов, поддержку английского и китайского языков, чат-возможности и интерфейс вызова инструментов. Карточка описывает дообучение с использованием ms-swift и стратегию annealing; сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

  • создание длинных статей и черновиков
  • написание развернутых ответов в чате
  • генерация длинных текстов на английском
  • генерация длинных текстов на китайском
  • подготовка текста по заданной теме

Ограничения

Заявление о генерации более 10 000 слов приведено авторами и не сопровождается в доступных данных оценкой качества на разных типах задач. Лицензия и практические ограничения использования не установлены по предоставленным данным.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MS-LongWriter-Qwen2.5-7B-Instruct

MS-LongWriter-Qwen2.5-7B-Instruct is trained based on https://modelscope.cn/models/qwen/Qwen2.5-7B-Instruct, and is capable of generating 10,000+ words at once.

MS-LongWriter-Qwen2.5-7B-Instruct begins training directly from the Qwen2.5-7B-Instruct, while performing significant distillation on the LongWriter-6k to obtain 666 high-quality samples, which is LongWriter-6k-filtered

Datasets

  1. LongWriter-6k-filtered, based on the LongWriter-6k
  2. Magpie-Qwen2-Pro-200K-Chinese , random sampling 6k examples.
  3. Magpie-Qwen2-Pro-200K-English , random sampling 6k examples.

Model

We use ms-swift to fine-tune the Qwen2-7B-Instruct model.

  1. Installation
pip install ms-swift[llm]
  1. Fine-tuning

Envs:

Nvidia A100(80G) x 4

Run:

CUDA_VISIBLE_DEVICES=0,1,2,3 swift sft \
    --model_type qwen2_5-7b-instruct \
    --dataset longwriter-6k-filtered#666 qwen2-pro-zh#6660 qwen2-pro-en#6660 \
    --max_length 28672 \
    --num_train_epochs 2 \
    --eval_steps 200 \
    --batch_size 1 \
    --gradient_accumulation_steps 64 \
    --gradient_checkpointing true \
    --warmup_ratio 0.1 \
    --learning_rate 1e-5 \
    --sft_type full \
    --loss_name long-ce \
    --check_dataset_strategy warning \
    --save_only_model false \
    --save_total_limit -1 \
    --lazy_tokenize true \
    --dataloader_num_workers 1 \
    --resume_only_model true \
    --neftune_noise_alpha 5 \
    --use_flash_attn true
  1. Fine-tuning with annealing

The annealing strategy is used to improve the performance of the model during the post-training process. We leverage the LongWriter-6k-filtered dataset to fine-tune the model with annealing, and set the learning rate to 2e-6. Run:

CUDA_VISIBLE_DEVICES=0,1,2,3 swift sft \
    --model_type qwen2_5-7b-instruct \
    --dataset longwriter-6k-filtered#666 \
    --max_length 28672 \
    --num_train_epochs 2 \
    --eval_steps 200 \
    --batch_size 1 \
    --gradient_accumulation_steps 64 \
    --gradient_checkpointing true \
    --warmup_ratio 0.1 \
    --learning_rate 2e-6 \
    --sft_type full \
    --loss_name long-ce \
    --check_dataset_strategy warning \
    --save_only_model false \
    --save_total_limit -1 \
    --lazy_tokenize true \
    --dataloader_num_workers 1 \
    --resume_only_model true \
    --neftune_noise_alpha 5 \
    --use_flash_attn true \
    --resume_from_checkpoint {previous-checkpoint-path}

Note:

  1. The --resume_from_checkpoint parameter is used to specify the path of the previous checkpoint. (see the step2)

Evaluation

Refer to LongWriter Evaluation from the EvalScope.

Reference

If you find our work helpful, please consider citing our paper, and star our github repositories.

@misc{chen2024minimumtuningunlocklong,
      title={Minimum Tuning to Unlock Long Output from LLMs with High Quality Data as the Key}, 
      author={Yingda Chen and Xingjun Wang and Jintao Huang and Yunlin Mao and Daoze Zhang and Yuze Zhao},
      year={2024},
      eprint={2410.10210},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.10210}, 
}
  1. 量子位文章:666条数据教会AI写万字长文!模型数据集都开源
  2. Tech report: Minimum Tuning to Unlock Long Output from LLMs with High Quality Data as the Key

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
8ea0985

0 моделей