/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
93,4 ГБ
Архитектура
mixtral · MoE
Базовая модель
Mixtral-8x7B-Instruct-v0.1
Библиотека
transformers
Опубликована
12 ноя 2024

Mixtral-8x7B-Instruct-v0.1-exhaustive-LoRA

Генерация текстаТекст → текст3 профессии

LoRA-адаптер для Mixtral-8x7B-Instruct-v0.1, предназначенный для проверки pruning экспертов и генерации текста по инструкциям.

25скачиваний за 30 дней0лайковвеса обновлены12 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

Это LoRA-версия инструктивной модели Mixtral-8x7B-Instruct-v0.1, созданная Na0s. Модель основана на архитектуре Transformer с разреженной смесью экспертов (MoE); адаптер обучен для всех модулей базовой модели. Заявленная цель — реализовать метод pruning экспертов из научной работы о сокращении числа экспертов в дообученных разреженных MoE-моделях.

Модель предназначена для генерации текста и диалоговых ответов по инструкциям. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; заявлены английский язык и поддержка чата. Для использования адаптера требуется базовая модель mistralai/Mixtral-8x7B-Instruct-v0.1. В карточке результатов оценки ещё нет, поэтому качество и эффект pruning по ней оценить нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с сокращением экспертов в MoE-модели
  • генерация текста по инструкциям на английском языке
  • создание диалоговых ответов с базовой Mixtral-моделью

Ограничения

В карточке не приведены метрики и результаты оценки, поэтому качество и эффективность pruning не подтверждены. Для работы требуется базовая модель mistralai/Mixtral-8x7B-Instruct-v0.1.

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

Model Card for Model ID

LoRA fine-tuned version of mistralai/Mixtral-8x7B-Instruct-v0.1 targeting all the modules.

Training Hyperparameters

  • Training regime:
quantization_config = transformers.BitsAndBytesConfig(load_in_4bit=True)

tokenizer = AutoTokenizer.from_pretrained("mistralai/Mixtral-8x7B-Instruct-v0.1", truncation=True, padding=True, padding_side="right")
model = AutoModelForCausalLM.from_pretrained("mistralai/Mixtral-8x7B-Instruct-v0.1", quantization_config=quantization_config)
tokenizer.add_special_tokens({'pad_token': '[PAD]'})

model = prepare_model_for_kbit_training(model)

config = LoraConfig(r = 4, 
                    lora_alpha=4, 
                    target_modules = ["gate", "q_proj", "k_proj", "v_proj", "o_proj",
                      "gate_proj", "up_proj", "down_proj"], 
                    lora_dropout=0.1
                    )

lora_model = get_peft_model(model, config)

lora_model.print_trainable_parameters()

dataset = load_dataset("Na0s/sft-ready-Text-Generation-Augmented-Data", split="train")

trainer = SFTTrainer(
    model = lora_model,
    tokenizer = tokenizer,
    train_dataset = dataset,
    packing = True,
    args = TrainingArguments(
        per_device_train_batch_size = 1,
        gradient_accumulation_steps = 16,
        group_by_length = True,
        warmup_steps = 5,
        bf16 = True,
        max_steps=10000,
        learning_rate = 2e-4,
        optim = "adamw_8bit",
        weight_decay = 0.01,
        lr_scheduler_type = "cosine",
        seed = 3407,
        eval_strategy="no",
        do_eval=False,
        output_dir = "./outputs",
        push_to_hub=True,
        remove_unused_columns=False,
    )
)

torch.cuda.empty_cache()

trainer.train()

Metrics and results:

Upcoming.

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

Technical Specifications

Model Architecture and Objective

The objective of the fine-tuning of this MoE based transformer is to implement the expert pruning detailed in the following paper: A Provably Effective Method for Pruning Experts in Fine-tuned Sparse Mixture-of-Experts

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
14d59a9

0 моделей