/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
cosmo-1b
Опубликована
15 апр 2024

cosmo-1b-galore-pythontest

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Cosmo-1B для генерации текста и изучения катастрофического забывания при обучении LISA.

28скачиваний за 30 дней0лайковвеса обновлены5 июл 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 выпустил экспериментальный чекпойнт cosmo-1b-galore-pythontest — дообученную версию HuggingFaceTB/cosmo-1b для генерации текста. Модель построена на плотной архитектуре Llama и содержит 1,7 млрд параметров; максимальный контекст — 2048 токенов. Она сохранена в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0.

README описывает проверку катастрофического забывания при обучении методом LISA на подмножестве Cosmopedia: потери на оценке снизились с 1,182 до 1,117 после 100 шагов. Также приведён результат Loss 0,2426 на оценочном наборе, однако набор данных и методика для этого результата не раскрыты. Чекпойнт предназначен прежде всего для экспериментов с дообучением; данных о практических сценариях, языковом покрытии и пригодности для диалога нет.

Сценарии применения

  • эксперименты с дообучением компактной языковой модели
  • сравнение потерь до и после обучения методом LISA
  • изучение катастрофического забывания на текстовом корпусе
  • генерация текста на основе модели Cosmo-1B

Ограничения

README не раскрывает назначение для конечных пользователей, языки, обучающие данные (кроме упоминания Cosmopedia для оценки) и методику результата Loss 0,2426. Оценка на небольшом подмножестве и 100 шагах обучения не подтверждает качество на широком круге задач.

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

Catastrophic forgetting test results:

Initial evaluation loss on 1k subset of HuggingFaceTB/cosmopedia-100k dataset was 1.182. 100 steps of LISA training reduced this to 1.117.

Comparison to control: cosmo-1b started out with 1.003 loss on (a different subset of) dataset, increasing to 1.024 at 100 steps.

axolotl version: 0.4.0

base_model: HuggingFaceTB/cosmo-1b
model_type: LlamaForCausalLM
tokenizer_type: LlamaTokenizer

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: Vezora/Tested-22k-Python-Alpaca
    type: alpaca
dataset_prepared_path: prepared-qlora
val_set_size: 0.05
output_dir: ./galore-out

sequence_len: 2048
sample_packing: true
pad_to_sequence_len: true

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

wandb_project: cosmo-python-galore
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 2
num_epochs: 1
optimizer: galore_adamw_8bit
lr_scheduler: cosine
learning_rate: 0.0005

optim_target_modules:
  - self_attn  # for llama
  - mlp

optim_args:
  rank: 256
  scale: 1

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

warmup_steps: 10
evals_per_epoch: 4
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:

galore-out

This model is a fine-tuned version of HuggingFaceTB/cosmo-1b on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2426

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: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.62990.010.6469
0.43530.252150.4139
0.37210.54300.2957
0.35140.756450.2426

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
LlamaForCausalLM
Ревизия весов
8f20e77

0 моделей