/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,5 млрд
Размер весов
7,6 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
llm-jp-3-3.7b-instruct
Библиотека
transformers
Опубликована
11 дек 2024

LongWriter-llm-jp-3-3.7b-instruct

Генерация текстаТекст → текст3 профессии

Японская инструкционная модель Llama на 3,5 млрд параметров, дообученная для генерации длинных текстов и диалогов.

36скачиваний за 30 дней5лайковвеса обновлены11 дек 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

Kendamarron разработал эту инструкционную японскую языковую модель на основе llm-jp/llm-jp-3-3.7b-instruct, дообучив её методом SFT для генерации длинных текстов. Модель построена на плотной архитектуре Llama и содержит около 3,5 млрд параметров; она предназначена для диалогов и генерации текста, включая развёрнутые ответы. Поддерживает контекст до 32768 токенов и рассчитана в первую очередь на японский язык.

Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не содержит результатов оценки качества или подробных ограничений; фактическую точность и качество длинных ответов следует проверять на целевых задачах.

Сценарии применения

  • генерация развёрнутых ответов на японском языке
  • написание длинных текстов по заданной теме
  • диалоговое взаимодействие на японском языке

Ограничения

В карточке нет результатов оценки качества и подробного описания ограничений; качество длинных ответов и точность следует проверять на целевых задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kendamarron/LongWriter-llm-jp-3-3.7b-instruct

llm-jp/llm-jp-3-3.7b-instructを長文出力ができるようにSFTしたモデルです。

Dataset

Detail

https://zenn.dev/kendama/articles/32aa9ec4bed409

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: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 8
  • total_eval_batch_size: 4
  • optimizer: Use OptimizerNames.ADAMW_BNB with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation Loss
0.71841.26265000.7673

Framework versions

  • Transformers 4.46.1
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

LLaMA-Factory yaml

### model
model_name_or_path: llm-jp/llm-jp-3-3.7b-instruct

### method
stage: sft
do_train: true
finetuning_type: full
deepspeed: examples/deepspeed/ds_z3_config.json
enable_liger_kernel: true

### dataset
dataset: longwriter
template: alpaca_ja
cutoff_len: 32768
overwrite_cache: true
preprocessing_num_workers: 16

### output
output_dir: saves/llm_jp/full/sft
logging_steps: 1
save_steps: 500
plot_loss: true
overwrite_output_dir: true

### train
per_device_train_batch_size: 2
gradient_accumulation_steps: 1
learning_rate: 1.0e-5
optim: adamw_bnb_8bit
num_train_epochs: 2.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: true
ddp_timeout: 180000000

### eval
val_size: 0.01
per_device_eval_batch_size: 1
eval_strategy: steps
eval_steps: 500

### logging
report_to: wandb

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
915b62d

0 моделей