/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,9 млрд
Размер весов
16,8 ГБ
Архитектура
mistral · dense
Базовая модель
Mistral-NeMo-Minitron-8B-Base-ChatML
Библиотека
transformers
Опубликована
17 сен 2024

Magic_8B

Генерация текстаТекст → текст5 профессий

Дообученная 7,9-миллиардная разговорная модель Mistral для генерации текста с контекстом до 8192 токенов.

20скачиваний за 30 дней2лайкавеса обновлены17 сен 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

FourOhFour/Magic_8B — дообученная разговорная языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; длина контекста составляет 8192 токена. Модель создана на основе Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML с использованием Axolotl 0.4.1.

В карточке приведён результат оценки: loss 1,0138. Данные о назначении, обучающем наборе и ограничениях в README не раскрыты. Модель опубликована в формате safetensors и использует лицензию, указанную в метаданных Hugging Face.

Сценарии применения

  • генерация ответов в диалоге
  • создание связного текста по запросу
  • прототипирование разговорного помощника

Ограничения

Назначение и обучающие данные модели не описаны в README; приведено только значение loss на оценочном наборе без подробностей о методике. Языковая поддержка отдельно не указана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

axolotl version: 0.4.1

base_model: Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: PocketDoc/Dans-MemoryCore-CoreCurriculum-Small
    type: sharegpt
    conversation: chatml
  - path: NewEden/Kalo-Opus-Instruct-22k-Refusal-Murdered
    type: sharegpt
    conversation: chatml
  - path: Epiculous/Synthstruct-Gens-v1.1-Filtered-n-Cleaned
    type: sharegpt
    conversation: chatml
  - path: NewEden/Gryphe-Sonnet-3.5-35k-Subset
    type: sharegpt
    conversation: chatml
  - path: jeiku/Nitral_Medical_Dialog_Fixed
    type: sharegpt
    conversation: chatml

chat_template: chatml

val_set_size: 0.01
output_dir: ./outputs/out

adapter:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:

sequence_len: 8192
# sequence_len: 32768
sample_packing: true
eval_sample_packing: false
pad_to_sequence_len: true

plugins:
  - axolotl.integrations.liger.LigerPlugin
liger_rope: true
liger_rms_norm: true
liger_swiglu: true
liger_fused_linear_cross_entropy: true

wandb_project: New8B
wandb_entity:
wandb_watch:
wandb_name: New8B
wandb_log_model:

gradient_accumulation_steps: 32
micro_batch_size: 1
num_epochs: 2
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.00001
weight_decay: 0.05

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: true

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_ratio: 0.1
evals_per_epoch: 4
eval_table_size:
eval_max_new_tokens: 128
saves_per_epoch: 2

debug:
deepspeed:
fsdp:
fsdp_config:

special_tokens:
  pad_token: <pad>


outputs/out

This model is a fine-tuned version of Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0138

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 32
  • total_train_batch_size: 64
  • total_eval_batch_size: 2
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 23
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.40410.008411.5854
1.04450.2534301.1313
0.94790.5069601.0488
0.96970.7603901.0288
0.91261.00901201.0193
0.90061.26211501.0156
0.90381.51531801.0140
0.90951.76852101.0138

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.4.0+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
b74f29c

0 моделей