/ Модель

Характеристики

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

CosMoEAlpacaLisa-4x1b

Генерация текстаТекст → текст

Экспериментальная MoE-модель Mixtral, дообученная методом LISA для генерации текста и исследовательских экспериментов.

19скачиваний за 30 дней0лайковвеса обновлены7 апр 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

Lambent/CosMoEAlpacaLisa-4x1b — экспериментальная языковая модель от Lambent, полученная дообучением Lambent/cosmoem-4x1b методом LISA. Это MoE-модель семейства Mixtral с архитектурой MixtralForCausalLM и 1,7 млрд параметров; она генерирует текст по текстовому запросу и рассчитана на контекст до 2048 токенов. В README приведены результаты на AGIEval, GPT4All, TruthfulQA и Bigbench, а также сравнения с родственными моделями.

Модель подходит для экспериментов с генерацией текста и оценки поведения MoE-моделей после дообучения LISA. Автор отмечает, что обучение к концу одной эпохи, по-видимому, не сходилось, поэтому результаты следует интерпретировать с осторожностью. В README также указано, что дополнительная информация о назначении и данных обучения отсутствует. Лицензия — CC; конкретный вариант лицензии в метаданных не уточнён.

Сценарии применения

  • эксперименты с генерацией текста на основе запросов
  • оценка языковых моделей на AGIEval
  • сравнение результатов на GPT4All, TruthfulQA и Bigbench

Ограничения

Автор сообщает, что обучение, по-видимому, не сходилось к концу одной эпохи. Языки и конкретные сценарии применения в карточке не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Intuitively it seemed like LISA training should suit a MoE pretty well; though I don't know how well calibrated my intuitions are.

Interesting thing about this one is it looks like it wasn't converging at the end of one epoch. Still more to learn.

Nous capabilities:

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
CosMoEAlpacaLisa-4x1b23.4448.1341.1329.9535.66

Comparisons:

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
CosMoE-AlpacaLight-v0.623.352.1538.5729.0135.76
ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
CosmoAlpacaLisa-0.3-1b23.7951.6140.2529.9736.41
ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
CosmoAlpacaLight-1b24.2851.3140.3329.4736.35
ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
cosmo-1b22.9752.0138.0228.7335.43

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: vicgalle/alpaca-gpt4
    type: alpaca
dataset_prepared_path: prepared-alpaca
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-AlpacaLisa
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 1
micro_batch_size: 1
num_epochs: 1
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: 3.0
loss_watchdog_patience: 3

warmup_steps: 20
evals_per_epoch: 4
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: 1.2588

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: 1

Training results

Training LossEpochStepValidation Loss
1.1970.011.5990
1.49590.2513831.4359
1.65490.527661.3353
1.35710.7541491.2588

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
d833985

0 моделей