/ Модель

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
Библиотека
transformers
Опубликована
13 окт 2024

L3-Pneuma-8B

Генерация текстаТекст → текст6 профессий

Дообученная на Sandevistan модель Llama 3 с 7,5 млрд параметров для диалоговой генерации текста.

29скачиваний за 30 дней1лайквеса обновлены25 окт 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2374

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4955

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4172

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3184

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,307

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0506

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

L3-Pneuma-8B — дообученная на датасете Sandevistan языковая модель Kquant03 на архитектуре Llama 3. Веса содержат около 7,5 млрд параметров, модель использует библиотеку Transformers и формат safetensors; заявленный контекст — до 8192 токенов. Она предназначена для генерации текста в диалоговом режиме. README приводит значение loss 2,7381 на наборе оценки, но не описывает сценарии обучения и результаты на конкретных задачах.

Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Llama 3. Карточка не уточняет целевые языки и специализацию, поэтому её следует рассматривать как общую диалоговую модель, а ответы проверять на точность и соответствие задаче.

Сценарии применения

  • генерация ответов в диалоге
  • создание черновиков текста
  • продолжение заданного текста

Ограничения

README не описывает целевые сценарии, языки обучения и ограничения; указанный loss сам по себе не позволяет оценить качество ответов. Генерацию следует проверять на фактические ошибки.

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: meta-llama/Meta-Llama-3-8B

load_in_8bit: false
load_in_4bit: false
strict: false

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: Kquant03/Sandevistan_Reformat
    type: customllama3_stan
dataset_prepared_path: last_run_prepared
val_set_size: 0.05
output_dir: ./outputs/out
max_steps: 80000

fix_untrained_tokens: true

sequence_len: 4096
sample_packing: true
pad_to_sequence_len: true

wandb_project: Pneuma
wandb_entity: 
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 16
micro_batch_size: 8
num_epochs: 1
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 0.00001
max_grad_norm: 1

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

gradient_checkpointing: unsloth
early_stopping_patience:
resume_from_checkpoint:
logging_steps: 1
xformers_attention:
flash_attention: true
eval_sample_packing: false

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

hub_model_id: Replete-AI/L3-Pneuma-8B
hub_strategy: every_save

warmup_steps: 10
evals_per_epoch: 3
eval_table_size:
saves_per_epoch: 3
debug:
deepspeed:
weight_decay: 0.1
fsdp:
fsdp_config:
special_tokens:
  bos_token: "<|begin_of_text|>"
  eos_token: "<|end_of_text|>"
  pad_token: "<|end_of_text|>"
tokens:

L3-Pneuma-8B

This model is a fine-tuned version of meta-llama/Meta-Llama-3-8B on the Sandevistan dataset. It achieves the following results on the evaluation set:

  • Loss: 2.7381

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: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • training_steps: 743

Training results

Training LossEpochStepValidation Loss
1.03780.001313.0437
0.68160.33342482.7341
0.65430.66674962.7381

Framework versions

  • Transformers 4.45.1
  • Pytorch 2.3.1+cu121
  • Datasets 2.21.0
  • Tokenizers 0.20.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
94ce6b7

0 моделей