/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,1 млрд
Лицензия
GPL 3.0
Архитектура
qwen2 · dense
Опубликована
7 сен 2024

NanoLM-1B-Instruct-v2

Генерация текстаТекст → текст3 профессии

Компактная модель Qwen2 с 1,1 млрд параметров для диалогов и выполнения инструкций на английском языке.

55скачиваний за 30 дней1лайквеса обновлены9 сен 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 оценки6

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2634

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,263

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3123

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0415

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3552

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1238

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NanoLM-1B-Instruct-v2 — компактная диалоговая языковая модель автора Mxode, созданная дообучением архитектуры Qwen2 с примерно 1,1 млрд параметров. По карточке, версия v2 обучена более чем на 4 млн примеров инструкций; метаданные указывают датасет Mxode/Magpie-Pro-10K-GPT4o-mini. Модель предназначена для генерации ответов и выполнения инструкций на английском языке в диалоговых сценариях.

Контекст модели составляет 4096 токенов. В README приведены результаты на GSM8K, MATH и BBH, включая 44,1 на GSM8K и 14,8 на MATH; это результаты автора, не гарантирующие аналогичное качество на других наборах задач. Репозиторий содержит веса Safetensors, лицензия — GPL-3.0. Карточка заявляет поддержку только английского языка; иных модальностей, кроме текста, не указано.

Сценарии применения

  • ответы на английские инструкции в чат-боте
  • генерация ответов на английском языке
  • решение простых математических задач на английском языке
  • эксперименты с небольшими инструктивными языковыми моделями

Ограничения

Поддерживается только английский язык; контекст ограничен 4096 токенами. Приведённые в README метрики относятся к оценкам автора и сами по себе не устанавливают качество на прикладных 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

NanoLM-1B-Instruct-v2

English | 简体中文

Introduction

In order to explore the potential of small models, I have attempted to build a series of them, which are available in the NanoLM Collections.

This is NanoLM-1B-Instruct-v2, fine-tuned on over 4 million high-quality instruction data points.

The model currently supports English only.

Model Details

Nano LMsNon-emb ParamsArchLayersDimHeadsSeq Len
25M15MMistralForCausalLM12312122K
70M42MLlamaForCausalLM1257692K
0.3B180MQwen2ForCausalLM12896144K
1B840MQwen2ForCausalLM181536124K

Metrics

NanoLM-1B-Instruct-v2Tinyllama-1.1BGemma-2BQwen1.5-1.8BQwen2-1.5BQwen1.5-4BMistral-7B-v0.1Mistral-7B-v0.3Qwen1.5-7B
GSM8K44.12.317.733.655.852.237.8334.553.5
MATH14.80.711.810.121.710.08.48-20.3
BBH0.420.300.350.350.360.410.440.450.46

How to use

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = 'Mxode/NanoLM-1B-Instruct-v2'

model = AutoModelForCausalLM.from_pretrained(model_path).to('cuda:0', torch.bfloat16)
tokenizer = AutoTokenizer.from_pretrained(model_path)


def get_response(prompt: str, **kwargs):
    generation_args = dict(
        max_new_tokens = kwargs.pop("max_new_tokens", 512),
        do_sample = kwargs.pop("do_sample", True),
        temperature = kwargs.pop("temperature", 0.7),
        top_p = kwargs.pop("top_p", 0.8),
        top_k = kwargs.pop("top_k", 40),
        **kwargs
    )

    messages = [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": prompt}
    ]
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )
    model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

    generated_ids = model.generate(model_inputs.input_ids, **generation_args)
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]

    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    return response


prompt = "Calculate (99 - 1) * (3 + 4)"
print(get_response(prompt, do_sample=False))

"""
To calculate \((99 - 1) * (3 + 4)\), follow the order of operations, also known as PEMDAS (Parentheses, Exponents, Multiplication and Division, and Addition and Subtraction).

First, solve the expressions inside the parentheses:

1. \(99 - 1 = 98\)
2. \(3 + 4 = 7\)

Now, multiply the results:

\(98 * 7 = 686\)

So, \((99 - 1) * (3 + 4) = 686\).
"""

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
9673c2f

0 моделей