Характеристики

Контекст: 8 192 токена
Параметры: 7,5 млрд
Размер весов: 16,1 ГБ
Лицензия: Llama 3
Архитектура: llama · dense
Базовая модель: Meta-Llama-3-8B-Instruct
Библиотека: transformers
Опубликована: 1 июл 2024

Ссылки

Llama-3-Instruct-Neurona-8b-v2

Генерация текстаТекст → текст15 профессий

Предварительная дообученная на испанских и английских данных диалоговая модель Llama 3 для генерации текста и ассистентских задач.

48скачиваний за 30 дней3лайкавеса обновлены1 июл 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Neurona 8B v2 — предварительная диалоговая языковая модель на базе Meta Llama 3 8B Instruct, разработанная Икером Гарсией. Это плотная модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов; она сохранена в формате safetensors и дообучена с помощью Axolotl на смеси англоязычных и испаноязычных наборов данных.

Модель предназначена для диалога и генерации текста на испанском и английском языках. В карточке указаны сценарии RAG, вызова функций, помощи с кодом, ответов на вопросы и суммаризации; обучающие данные также включают перевод между английским и испанским, обработку новостей и экономические и медицинские тексты. Модель обозначена автором как экспериментальная предварительная версия, созданная для настройки скриптов и инфраструктуры, а не как финальный релиз. Лицензия — llama3.

Сценарии применения

ответы на вопросы на испанском и английском
суммаризация документов и новостей
перевод документов между английским и испанским
ответы по внутренним документам в сценариях RAG
помощь с программированием и вызов функций

Ограничения

Это предварительная экспериментальная версия, не являющаяся финальным релизом; README отмечает, что использовались не все данные из некоторых наборов. Возможности перечислены по составу обучающих данных и не сопровождаются количественными оценками качества.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

image/jpeg

Neurona 8B Beta: Un Modelo de Lenguage en Español

Esta es una versión preliminar del dataset card. El modelo está en desarrollo y no es la versión final. Si quieres saber más sobre este modelo, escribe a iker.garciaf@ehu.eus

Neurona 8B es un modelo de lenguaje en Español. Esta es la segunda iteración y un experimento para poner a punto los scripts y la infraestructura.

Neurona 8B ha sido entrenado con los siguiente datasets. No en todos los casos se ha usado el dataset completo

Esta mezcla de datasets en Inglés y Español, permite al modelo adquirir diferentes capacidades, como RAG, function calling, code assistant, question answering, summarization... tanto en Inglés como en Español.

Entrenamiento

Este modelo se ha entrado usando 4xNvidia A100 80Gb y axolotl

Esta es la configuración usada

base_model: meta-llama/Meta-Llama-3-8B-Instruct
model_type: AutoModelForCausalLM
tokenizer_type: AutoTokenizer
is_falcon_derived_model:
is_llama_derived_model:
is_qwen_derived_model:
is_mistral_derived_model:

load_in_8bit: false
load_in_4bit: false
strict: false

device_map: null

datasets:
  - path: /ikerlariak/igarcia945/InstructDatasets/Barcenas-Economia.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/casimedicos.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/coser_resumene.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/CrossSum_en.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/CrossSum_es.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/Document-Translation-en-es.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/es-inclusive-language.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/glaive-code-assistant-v3-small.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/glaive-function-calling-v2.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
        - tool
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/InstructTranslation-EN-ES.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/lenguaje-claro-dataset.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/LingComp_QA.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/NoticIA.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/NoticIA-large.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/NoticIA-summary.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/OpenHermes-2.5-English.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/OpenHermes-2.5-Spanish.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/opus-100-en-es.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/RAG_Multilingual-es.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/This-is-not-a-dataset.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/wikipedia-es.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/Reddit-Post-Translation.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human
  - path: /ikerlariak/igarcia945/InstructDatasets/watermark.jsonl
    type: sharegpt
    conversation: llama3
    field: conversations
    roles:
      input:
        - system
        - gpt
      output:
        - human

chat_template: llama3

dataset_prepared_path: /ikerlariak/igarcia945/Mortadelo-Filemon/Meta-Llama-3-8B-Instruct-Spanish-v2/dataset

shuffle_merged_datasets: true

val_set_size: 0.005

output_dir: /ikerlariak/igarcia945/Mortadelo-Filemon/Meta-Llama-3-8B-Instruct-Spanish-v2

adapter:
lora_model_dir:

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

tokens:
  - "<tool_call>"
  - "<tool_response>"
  - "<tools>"
  - "</tool_call>"
  - "</tool_response>"
  - "</tools>"
  - "<reserved1>"
  - "<reserved2>"

special_tokens:
   pad_token: <|end_of_text|>

neftune_noise_alpha: 5

wandb_project: Mortadelo&Filemon
wandb_entity: igarciaf
wandb_watch:
wandb_name: Meta-Llama-3-8B-Instruct-Spanish-v2
wandb_log_model: 

gradient_accumulation_steps: 32
micro_batch_size: 2
eval_batch_size: 2
num_epochs: 2
optimizer: adamw_torch_fused
lr_scheduler: cosine
learning_rate: 0.00007


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

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

warmup_ratio: 0.03
evals_per_epoch: 4
eval_table_size:
save_strategy: "no"
debug:
deepspeed: /ikerlariak/igarcia945/Mortadelo-Filemon/train_configs/deepspeed_zero3.json
weight_decay: 0.0
fsdp:
fsdp_config:

seed: 33

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: 92b369f