/ 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
21 сен 2024

Magic_v2_8B

Генерация текстаТекст → текст6 профессий

Дообученная 7,9-миллиардная Mistral-совместимая модель для генерации текста в диалоговом формате.

16скачиваний за 30 дней1лайквеса обновлены21 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_v2_8B — дообученная авторами модели Mistral-совместимая языковая модель с архитектурой MistralForCausalLM и примерно 7,9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; опубликована в формате safetensors и поддерживает контекст до 8192 токенов.

Модель дообучена на базе Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML. В карточке приведён результат оценки на тестовом наборе: loss 1,5341, однако назначение датасета и сценарии применения подробно не описаны. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в чате
  • создание текста по запросу
  • диалоговое взаимодействие с языковой моделью

Ограничения

Описание обучающих данных и предназначенных сценариев отсутствует; приведённый показатель loss не сопровождается сведениями о наборе данных или методике оценки. Лицензия не указана в предоставленных данных.

Для каких профессий подходит6

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: Nitral-AI/Reasoning-1shot_ShareGPT
    type: sharegpt
    conversation: chatml
  - path: Nitral-AI/GU_Instruct-ShareGPT
    type: sharegpt
    conversation: chatml
  - path: Nitral-AI/Medical_Instruct-ShareGPT
    type: sharegpt
    conversation: chatml
  - path: AquaV/Resistance-Sharegpt
    type: sharegpt
    conversation: chatml
  - path: AquaV/US-Army-Survival-Sharegpt
    type: sharegpt
    conversation: chatml
  - path: Gryphe/Sonnet3.5-SlimOrcaDedupCleaned
    type: sharegpt
    conversation: chatml

chat_template: chatml

val_set_size: 0.002
output_dir: ./outputs/out

adapter:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:

sequence_len: 8192
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: mini8B
wandb_entity:
wandb_watch:
wandb_name: mini8B
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 2
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: deepspeed_configs/zero3_bf16.json
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: 1.5341

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: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 91
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
1.25480.002212.0884
0.77120.25031141.6165
0.75660.50052281.5734
0.72410.75083421.5579
0.69941.00114561.5401
0.61861.24995701.5433
0.61021.50036841.5366
0.59261.75077981.5341

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
7a08283

0 моделей