/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
18 авг 2023

Aria-40B

Генерация текстаТекст → текст

Aria 40B — дообученная на диалогах OpenAssistant модель Falcon для генерации ответов и продолжения текста.

0скачиваний за 30 дней5лайковвеса обновлены9 сен 2023

Бенчмарки

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

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

Aria 40B — языковая модель от Faradaylab, разработанная на основе Falcon 40B и дообученная на высокооценённых примерах OpenAssistant. Это авторегрессионный трансформер-декодер с 40 млрд параметров; модель предназначена для генерации ответов в диалогах и продолжения текста. В README указан контекст длиной 2048 токенов.

Модель обучалась примерно 7,5 эпохи с эффективным размером батча 144 и dropout в стиле LIMA. Основные языки — английский, немецкий, испанский и французский; также заявлены ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Указана поддержка задач генерации кода.

Модель ориентирована на качество ответов по человеческой оценке; README не приводит здесь конкретных сравнительных результатов. Доступна по лицензии Apache 2.0. Контекст ограничен 2048 токенами, а возможности на дополнительных языках ограничены.

Сценарии применения

  • генерация ответов в диалоговом формате
  • продолжение текста по заданному началу
  • ответы на вопросы на английском, немецком, испанском и французском
  • генерация фрагментов кода

Ограничения

Контекст модели составляет 2048 токенов; для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского заявлены лишь ограниченные возможности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Aria 40B is based on Open-Assistant Falcon 40B SFT OASST-TOP1 Model.

This model is a fine-tuning of TII's Falcon 40B LLM. It was trained with top-1 (high-quality) demonstrations of the OASST data set (exported on May 6, 2023) with an effective batch size of 144 for ~7.5 epochs with LIMA style dropout (p=0.3) and a context-length of 2048 tokens. We focus on the human preference eval on this model as the most valuable point. We believe that pure technical benchmarks are not important as Human eval,which are our end users.

The finetuned version of Falcon we used as based model has been finetuned on Open assistant dataset and gives better results on human eval than some famous close models as you can see on this article and eval by a third party: https://medium.com/@geronimo7/open-source-chatbots-in-the-wild-9a44d7a41a48

We are currently working on Rope Scaling for context lenght and Chain of Toughts integration,this model card will be updated soon. Stay tuned.

LMYS Eval for Aria 40B base model (Falcon 40B OA) (https://huggingface.co/OpenAssistant/falcon-40b-sft-top1-560)

Model Details

Prompting

Two special tokens are used to mark the beginning of user and assistant turns: <|prompter|> and <|assistant|>. Each turn ends with a <|endoftext|> token.

Input prompt example:

<|prompter|>What is a meme, and what's the history behind this word?<|endoftext|><|assistant|>

The input ends with the <|assistant|> token to signal that the model should start generating the assistant reply.

Configuration Details

Model:

falcon-40b:
  dtype: bf16
  log_dir: "falcon_log_40b"
  learning_rate: 5e-6
  model_name: "tiiuae/falcon-40b"
  deepspeed_config: configs/zero3_config_falcon.json
  output_dir: falcon
  weight_decay: 0.0
  max_length: 2048
  warmup_steps: 20
  gradient_checkpointing: true
  gradient_accumulation_steps: 1
  per_device_train_batch_size: 18
  per_device_eval_batch_size: 10
  eval_steps: 80
  save_steps: 80
  num_train_epochs: 8
  save_total_limit: 4
  use_flash_attention: false
  residual_dropout: 0.3
  residual_dropout_lima: true
  sort_by_length: false
  save_strategy: steps

Dataset:

oasst-top1:
  datasets:
    - oasst_export:
        lang: "bg,ca,cs,da,de,en,es,fr,hr,hu,it,nl,pl,pt,ro,ru,sl,sr,sv,uk" # sft-8.0
        input_file_path: 2023-05-06_OASST_labels.jsonl.gz
        val_split: 0.05
        top_k: 1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
c821989

0 моделей