/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,7 млрд
Размер весов
21,5 ГБ
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
cosmoem-4x1b
Опубликована
7 апр 2024

CosMoE-Lisa-4x1b

Генерация текстаТекст → текст3 профессии

Дообученная MoE-модель на базе Mixtral для генерации текста с контекстом до 2048 токенов.

17скачиваний за 30 дней0лайковвеса обновлены30 июн 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

CosMoE-Lisa-4x1b — дообученная модель для генерации текста, основанная на Lambent/cosmoem-4x1b. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE), содержит 1,7 млрд параметров и принимает контекст длиной до 2048 токенов. Модель опубликована Lambent в формате PyTorch и safetensors по лицензии Apache-2.0.

Модель предназначена для генерации текста. В README приведены результаты оценок AGIEval, GPT4All, TruthfulQA и Bigbench со средним баллом 33,36; автор отмечает, что обучение, по-видимому, снизило возможности модели. В карточке также указано значение loss nan, поэтому качество этого чекпойнта следует оценивать с осторожностью.

Сценарии применения

  • генерация текста по запросу
  • эксперименты с дообучением MoE-моделей
  • сравнение результатов на языковых бенчмарках

Ограничения

Автор отмечает, что обучение, по-видимому, снизило возможности модели; в карточке указано значение loss nan. Языковая поддержка и предназначенные для пользователя сценарии подробно не описаны.

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
ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
CosMoE-Lisa-4x1b23.4243.5638.1128.3533.36

Ambitious training, but appears to have decreased capabilities rather than aided them. Lessons learned.

axolotl version: 0.4.0

base_model: Lambent/cosmoem-4x1b
model_type: AutoModelForCausalLM
tokenizer_type: LlamaTokenizer
trust_remote_code: true

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: Vezora/Tested-22k-Python-Alpaca
    type: alpaca
  - path: teknium/GPTeacher-General-Instruct #89.3k
    type: gpteacher
  - path: HuggingFaceTB/cosmopedia-100k
    type: completion
dataset_prepared_path: prepared-education
val_set_size: 0.05
output_dir: ./lisa-out

sequence_len: 2048
sample_packing: true
eval_sample_packing: false
pad_to_sequence_len: true

lisa_n_layers: 4
lisa_step_interval: 10
lisa_layers_attribute: model.layers

adapter:
lora_model_dir:
lora_r:
lora_alpha:
lora_dropout:
lora_target_linear:
lora_fan_in_fan_out:

wandb_project: CosMoE-Lisa-4x1b
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 1
micro_batch_size: 1
num_epochs: 2
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.0005

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

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

loss_watchdog_threshold: 5.0
loss_watchdog_patience: 3

warmup_steps: 20
evals_per_epoch: 2
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.002
fsdp:
fsdp_config:
special_tokens:

lisa-out

This model is a fine-tuned version of Lambent/cosmoem-4x1b on the None dataset. It achieves the following results on the evaluation set:

  • Loss: nan

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: 0.0005
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 20
  • num_epochs: 2

Training results

Training LossEpochStepValidation Loss
0.88910.01nan
2.19840.530501nan
1.52961.061002nan
1.46471.4991503nan
1.46981.99122004nan

Framework versions

  • Transformers 4.40.0.dev0
  • Pytorch 2.1.2+cu118
  • Datasets 2.18.0
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
a22827b

0 моделей