/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
datagen-pretrain-v1-7b-mistralv0.2
Библиотека
transformers
Опубликована
6 мая 2025

Augmentoolkit-DataSpecialist-v0.1

Генерация текстаТекст → текст6 профессий

Дообученная 7,1-миллиардная модель Mistral для диалоговой генерации и продолжения текста с контекстом до 32 768 токенов.

31скачиваний за 30 дней1лайквеса обновлены11 мая 2025

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

datagen-sft-1 — это дообученная Heralax модель для генерации текста на основе архитектуры Mistral с 7,1 млрд параметров. Она предназначена для диалоговой генерации и продолжения текста; при обучении использовались наборы данных с художественными текстами, веб-материалами, диалогами и примерами рассуждений. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов.

В карточке приведён результат оценки: loss 0,6304. Подробности о предполагаемых сценариях, качестве на конкретных задачах и ограничениях не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • продолжение художественного текста
  • создание связного текста по запросу
  • генерация рассуждений и пошаговых объяснений

Ограничения

Карточка не приводит подробных сведений об ограничениях и качестве модели на конкретных задачах; указан только результат loss 0,6304 на оценочном наборе.

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: 0.10.0.dev0

base_model: Heralax/datagen-pretrain-v1-7b-mistralv0.2
tokenizer_type: AutoTokenizer
model_type: AutoModelForCausalLM
is_mistral_derived_model: true
load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: 29_mil_asstr.jsonl
    ds_type: json
    type: completion
  - path: 40mil_gutenberg.jsonl
    type: completion
  - path: hle-1_formatted_2mil.jsonl
    type: completion
  - path: 11_mil_fineweb.jsonl
    type: completion
  - path: multiturn_segments_shard_01.json
    type: input_output
  - path: multiturn_segments_shard_02.json
    type: input_output
  - path: singleturn_segments_shard_01.json
    type: input_output
  - path: singleturn_segments_shard_02.json
    type: input_output
  - path: openhermes2_5_shard_01.json
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - human
      assistant:
        - gpt
      system:
        - system
  - path: openhermes2_5_shard_02.json
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - human
      assistant:
        - gpt
      system:
        - system
  - path: openthoughts-1.parquet
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - user
      assistant:
        - assistant
      system:
        - system
  - path: openthoughts-2.parquet
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - user
      assistant:
        - assistant
      system:
        - system
  - path: qwq_10million.jsonl
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - human
      assistant:
        - gpt
      system:
        - system
  - path: bluemoon-6mil.json
    type: chat_template
    chat_template: chatml
    field_messages: conversations
    message_field_role: from
    message_field_content: value
    roles:
      user:
        - human
      assistant:
        - gpt
      system:
        - system
dataset_prepared_path: last_run_prepared
output_dir: ./datagen-pretrain-v1-7b-mistralv0.2
seed: 11037
hub_model_id: datagen-sft-1
hub_strategy: every_save

sequence_len: 20000
sample_packing: true
pad_to_sequence_len: false
shuffle_merged_datasets: true

wandb_project: datagen-pretrain-v1-7b-mistralv0.2
wandb_entity:
wandb_watch:
wandb_run_id: 
wandb_log_model:


gradient_accumulation_steps: 50
micro_batch_size: 3
eval_batch_size: 1
num_epochs: 2
optimizer: paged_adamw_8bit
lr_scheduler: constant
learning_rate: 0.000020
weight_decay: 0
train_on_inputs: true
group_by_length: false
bf16: true
fp16: false
tf32: false

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint: 
logging_steps: 1
xformers_attention: false # faster
flash_attention: true # slower than xformers

chat_template: chatml

# warmup_ratio: 0.5
# warmup_steps: 0
auto_resume_from_checkpoints: false
warmup_ratio: 0.1
evals_per_epoch: 1
eval_batch_size: 4
val_set_size: 0.01
save_steps: 1000
eval_sample_packing: false
save_total_limit: 2 # NOTE you can afford many more saves with this config due to not storing optimizer states like with normal ones I think.
debug:
special_tokens:
  pad_token: "<unk>"

use_liger_kernel: true


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


datagen-sft-1

This model is a fine-tuned version of Heralax/datagen-pretrain-v1-7b-mistralv0.2 on the 29_mil_asstr.jsonl, the 40mil_gutenberg.jsonl, the hle-1_formatted_2mil.jsonl, the 11_mil_fineweb.jsonl, the multiturn_segments_shard_01.json, the multiturn_segments_shard_02.json, the singleturn_segments_shard_01.json, the singleturn_segments_shard_02.json, the openhermes2_5_shard_01.json, the openhermes2_5_shard_02.json, the openthoughts-1.parquet, the openthoughts-2.parquet, the qwq_10million.jsonl and the bluemoon-6mil.json datasets. It achieves the following results on the evaluation set:

  • Loss: 0.6304

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: 2e-05
  • train_batch_size: 3
  • eval_batch_size: 4
  • seed: 11037
  • gradient_accumulation_steps: 50
  • total_train_batch_size: 150
  • optimizer: Use OptimizerNames.PAGED_ADAMW_8BIT with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant
  • lr_scheduler_warmup_steps: 111
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation Loss
1.45330.001812.4612
0.55310.99995580.6706
0.51481.998111160.6304

Framework versions

  • Transformers 4.51.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.0
  • Tokenizers 0.21.1

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
ed180bb

0 моделей