/ 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-tune-pythontest

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Cosmo-1B для генерации текста и проверки катастрофического забывания.

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-tune-pythontest — экспериментальное дообучение языковой модели HuggingFaceTB/cosmo-1b, опубликованное под лицензией Apache-2.0. Модель основана на плотной архитектуре LlamaForCausalLM и предназначена для генерации текста. В карточке описан тест на катастрофическое забывание: после 100 шагов обучения LISA значение loss на подмножестве Cosmopedia-100k снизилось с 1,615 до 1,392; приведено также значение loss 0,2049 на оценочном наборе без подробностей о нём.

Сценарии применения

  • генерация текста на основе запроса
  • экспериментальная оценка катастрофического забывания при дообучении
  • сравнение изменения loss на данных Cosmopedia

Ограничения

README не приводит подробных сведений о предполагаемых сценариях применения, оценочном наборе или качестве модели за пределами указанных значений loss. После 100 шагов LISA loss на указанном подмножестве оставался выше начального значения базовой модели, хотя сравнение использует разные подмножества данных.

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 1.615, significantly more than tuning methods with smaller adaptations.

100 steps of LISA training reduced this to 1.392.

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-tune
val_set_size: 0.05
output_dir: ./tune-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-tune
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 4
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

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

tune-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: 0.2049

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
  • distributed_type: multi-GPU
  • num_devices: 2
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • total_eval_batch_size: 2
  • 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
0.66230.010.6460
0.65030.252380.6117
0.5340.54760.3380
0.36820.757140.2049

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
481a09c

0 моделей