/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,2 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
11 апр 2024

danube2-upscale-1.1

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель на базе Danube 2 для генерации и продолжения текста.

20скачиваний за 30 дней0лайковвеса обновлены12 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/danube2-upscale-1.1 — экспериментальная текстовая модель генерации на архитектуре MistralForCausalLM с 2,2 млрд параметров и контекстом до 8192 токенов. Автор дообучил модель, чтобы исправить ухудшение качества после дублирования upscale-версии; обучение использовало дополнения из Cosmopedia и было остановлено примерно на половине эпохи. В README приведены результаты Nous evals и отмечено более плавное продолжение текста по сравнению с предыдущей версией, хотя автор сомневается в надёжности оценок на небольшой модели.

Модель предназначена для генерации текста и продолжения заданного фрагмента. Она распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Сравнение в карточке указывает на h2o-danube2-1.8b-base как исходную модель.

Сценарии применения

  • продолжение заданного текста
  • генерация связных текстовых дополнений
  • экспериментальная оценка качества небольшой языковой модели

Ограничения

Автор характеризует обучение как экспериментальное и не уверен, насколько улучшение в eq_bench достоверно для небольшой модели. Длина обучения была сокращена примерно до половины эпохи; в README нет сведений о языковом покрытии.

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

Aim was to repair damage caused by duplicating the upscale with some additional training on completion from Cosmopedia.

Seemed to be converged at 50% epoch so I cut it off and used that adapter, which I hope actually did something because it wasn't a checkpoint.

eq_bench testing, as a quick reference, strongly suggests it did; but I'm not sure how much that one's just random on a small model like this.

It also seems to be generating completions much more smoothly than its predecessor, though, rather than getting stuck in a repeated word, which is certainly a good sign.

Nous evals:

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
danube2-upscale-1.125.4360.1340.2232.0639.46

Original model:

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
h2o-danube2-1.8b-base25.6562.2638.0532.8939.71

Axolotl config was something like this:

base_model: Lambent/danube2-upscale-1
model_type: MistralForCausalLM
tokenizer_type: LlamaTokenizer
trust_remote_code: false

load_in_8bit: false
load_in_4bit: true
strict: false

datasets:
  - path: HuggingFaceTB/cosmopedia-100k
    type: completion
dataset_prepared_path: prepared-pedia
val_set_size: 0.01
output_dir: ./qlora-out

sequence_len: 8192
sample_packing: true
eval_sample_packing: false
pad_to_sequence_len: true

adapter: qlora
lora_model_dir:
lora_r: 128
lora_alpha: 128
lora_dropout: 0.05
lora_target_linear: true
lora_fan_in_fan_out:

wandb_project: qlora-danube-upscale
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 2
num_epochs: 1
optimizer: paged_adamw_8bit
lr_scheduler: cosine
learning_rate: 0.0002

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: 10
evals_per_epoch: 4
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.002
fsdp:
fsdp_config:
special_tokens:

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
fce2309

0 моделей