/ 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-lisa-pythontest

Генерация текстаТекст → текст

Экспериментальное дообучение Cosmo-1B методом LISA для генерации текста и исследования catastrophic forgetting.

20скачиваний за 30 дней0лайковвеса обновлены16 апр 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

Lambent/cosmo-1b-lisa-pythontest — экспериментальное дообучение модели HuggingFaceTB/cosmo-1b методом LISA. В README приведены результаты проверки catastrophic forgetting: на подмножестве cosmopedia-100k loss после 100 шагов снизился с 1,217 до 1,153; для контрольной модели на другом подмножестве loss вырос с 1,003 до 1,024. Также указано значение loss 0,2534 на оценочном наборе, но набор не описан.

Модель предназначена для генерации текста и экспериментов с дообучением и сохранением качества на учебных данных. Она использует плотную архитектуру LlamaForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 2048 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не приводит надёжных сведений о языках, практических сценариях, качестве ответов или подробностях обучающего набора. Значения loss получены на разных подмножествах, поэтому их нельзя напрямую считать сопоставимыми показателями качества.

Сценарии применения

  • эксперименты с дообучением языковой модели методом LISA
  • сравнение изменения loss при дообучении на Cosmopedia
  • исследование catastrophic forgetting в компактных LLM

Ограничения

README не описывает оценочный набор для указанного loss 0,2534, а сравниваемые значения получены на разных подмножествах данных. Языки и качество модели в прикладных сценариях не охарактеризованы.

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 1.217. 100 steps of LISA training reduced this to 1.153.

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: ./lisa-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:

lisa_n_layers: 4
lisa_step_interval: 10
lisa_layers_attribute: model.layers

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

gradient_accumulation_steps: 4
micro_batch_size: 2
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

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

lisa-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: 0.2534

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
0.42490.252170.4382
0.34870.54340.3111
0.39180.756510.2534

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
2f33562

0 моделей