/ Модель

Характеристики

Контекст
8 192 токена
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-360M-Instruct
Библиотека
transformers
Опубликована
1 ноя 2024

INSTRUCT_smolLM2-360M-finetuned-wikitext2-raw-v1

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель SmolLM2 с 361,8 млн параметров, дообученная для генерации текста и диалоговых ответов.

27скачиваний за 30 дней1лайквеса обновлены14 ноя 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

Michaelj1/INSTRUCT_smolLM2-360M-finetuned-wikitext2-raw-v1 — дообученная модель семейства SmolLM2, созданная на базе HuggingFaceTB/SmolLM2-360M-Instruct. Это плотная авторегрессионная языковая модель архитектуры LlamaForCausalLM с 361,8 млн параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Контекст модели — до 8192 токенов; для хранения весов используется safetensors, запуск возможен через Transformers.

Модель предназначена для продолжения текста, диалоговых ответов, переписывания и краткого изложения текста на английском языке. В карточке указано дообучение на WikiText-2 raw, однако набор данных для самого дообучения в описании назван неизвестным, поэтому специализацию на Wikipedia нельзя считать подтверждённой. Лицензия — Apache-2.0.

Как и другие компактные языковые модели, она может выдавать фактически неверные, непоследовательные или смещённые ответы; важные сведения следует проверять. Карточка приводит значение loss 2,7585 на оценочном наборе, но не сообщает метрику и протокол оценки.

Сценарии применения

  • продолжение английского текста
  • черновые ответы в англоязычном чат-боте
  • перефразирование английских текстов
  • краткое изложение текста на английском
  • локальные эксперименты с генерацией текста

Ограничения

Модель преимущественно рассчитана на английский язык и может выдавать фактически неверный, непоследовательный или предвзятый текст. Данные для дообучения описаны неполно, а значение loss 2,7585 приведено без метрики и протокола оценки.

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

finetune-smolLM2-360M-Instruct

This model is a fine-tuned version of HuggingFaceTB/SmolLM2-360M-Instruct on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 2.7585

Model description

SmolLM2 is a family of compact language models available in three size: 135M, 360M, and 1.7B parameters. They are capable of solving a wide range of tasks while being lightweight enough to run on-device.

SmolLM2 demonstrates significant advances over its predecessor SmolLM1, particularly in instruction following, knowledge, reasoning. The 360M model was trained on 4 trillion tokens using a diverse dataset combination: FineWeb-Edu, DCLM, The Stack, along with new filtered datasets we curated and will release soon. We developed the instruct version through supervised fine-tuning (SFT) using a combination of public datasets and our own curated datasets. We then applied Direct Preference Optimization (DPO) using UltraFeedback.

The instruct model additionally supports tasks such as text rewriting, summarization and function calling thanks to datasets developed by Argilla such as Synth-APIGen-v0.1.

Intended uses & limitations

SmolLM2 models primarily understand and generate content in English. They can produce text on a variety of topics, but the generated content may not always be factually accurate, logically consistent, or free from biases present in the training data. These models should be used as assistive tools rather than definitive sources of information. Users should always verify important information and critically evaluate any generated content.

Training and evaluation data

https://huggingface.co/datasets/Salesforce/wikitext The WikiText language modeling dataset is a collection of over 100 million tokens extracted from the set of verified Good and Featured articles on Wikipedia. The dataset is available under the Creative Commons Attribution-ShareAlike License.

Compared to the preprocessed version of Penn Treebank (PTB), WikiText-2 is over 2 times larger and WikiText-103 is over 110 times larger. The WikiText dataset also features a far larger vocabulary and retains the original case, punctuation and numbers - all of which are removed in PTB. As it is composed of full articles, the dataset is well suited for models that can take advantage of long term dependencies.

Each subset comes in two different variants:

Raw (for character level work) contain the raw tokens, before the addition of the (unknown) tokens. Non-raw (for word level work) contain only the tokens in their vocabulary (wiki.train.tokens, wiki.valid.tokens, and wiki.test.tokens). The out-of-vocabulary tokens have been replaced with the the token.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
2.70170.0871502.8763
2.64740.17431002.8244
2.50940.26141502.8044
2.62840.34862002.7901
2.71830.43572502.7798
2.64570.52293002.7732
2.76410.61003502.7691
2.62760.69724002.7661
2.72110.78434502.7639
2.65560.87155002.7603
2.70310.95865502.7587

Framework versions

  • Transformers 4.45.1
  • Pytorch 2.4.0
  • Datasets 3.0.1
  • Tokenizers 0.20.0

Citation

@misc{allal2024SmolLM2, title={SmolLM2 - with great data, comes great performance}, author={Loubna Ben Allal and Anton Lozhkov and Elie Bakouch and Gabriel Martín Blázquez and Lewis Tunstall and Agustín Piqueres and Andres Marafioti and Cyril Zakka and Leandro von Werra and Thomas Wolf}, year={2024}, }

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
d71cf2a

0 моделей