/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
32,1 ГБ
Архитектура
llama · dense
Базовая модель
Meta-Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
31 авг 2024

Pula-8B-v0.1

Генерация текстаТекст → текст10 профессий

Pula-8B-v0.1 — дообученная на сетсвана и английском диалоговая Llama 3.1 для следования инструкциям, ответов на вопросы и перевода.

136скачиваний за 30 дней4лайкавеса обновлены1 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 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

Pula-8B-v0.1 — языковая модель семейства BOTS-LM, разработанная Nathan Brown и Vukosi Marivate для работы на сетсвана и английском языках. Это плотная авторегрессионная модель на архитектуре Llama 3.1 с 7,5 млрд параметров, дообученная на основе Meta-Llama-3.1-8B-Instruct. В метаданных указан контекст до 131 072 токенов; при обучении использовались последовательности длиной до 4 096 токенов.

Модель предназначена прежде всего для диалогового помощника и следования инструкциям. Её можно применять для ответов на вопросы, написания текстов, перевода между сетсвана и английским, извлечения именованных сущностей, разметки частей речи и вызова инструментов. Авторы также сообщают о возможностях рассуждения и улучшенных результатах на сетсвана и английском по сравнению с существующими открытыми языковыми и переводческими моделями для этих языков.

Модель принимает текст и генерирует текст. README разрешает коммерческое и исследовательское использование, однако конкретная лицензия в карточке не названа. Как и другие языковые модели, Pula-8B может выдавать неточные или предвзятые ответы; для клиентских приложений авторы рекомендуют дополнительные меры безопасности. Официальная поддержка заявлена для сетсвана и английского, а качество на других языках и при обычной генерации текста проверено ограниченно.

Сценарии применения

  • диалоговый помощник на сетсвана и английском
  • ответы на вопросы на сетсвана и английском
  • перевод между сетсвана и английским
  • написание текстов и выполнение инструкций
  • извлечение именованных сущностей из текста
  • разметка частей речи
  • вызов инструментов из диалога

Ограничения

Модель может выдавать неточные или предвзятые ответы, поэтому авторы рекомендуют дополнительные меры безопасности перед клиентским развертыванием. Официально поддерживаются сетсвана и английский; качество на других языках и при обычной генерации текста ограниченно проверено.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

# 

Pula-8B

Model Information

The largest model in the BOTS-LM suite of language models, Pula-8B is the most capable open source large langauge model built for Setswana. Based on the Llama-3.1-8B-Instruct architecture and fine-tuned on a massive copora of Setswana and English webtext, instruction following, and synthetic data, Pula-8B outperforms existing open langauge and translation models for Setswana and English while pushing reasoning capabilities to become competitive with existing models several times its size.

Based on the Llama-3.1-8B instruct architecture, the BOTS-LM suite of language models is fine-tuned on a custom-made massive corpora of Setswana and English web documents (Marothodi), instruction following examples and synthetic data (Medupe), multilingual data (Aya Dataset, Inkuba Instruct), and subsets of OpenHermes 2.5, MagPie Pro MT, and The Tome.

Model Description

  • Developed by: Nathan Brown (@OxxoCodes) and Vukosi Marivate (@vukosi)
  • Funded by: [More Information Needed]
  • Model type: Meta Llama 3.1
  • Language(s) (NLP): Setswana, English
  • License: [More Information Needed]
  • Finetuned from model: Meta-Llama-3.1-8B-Instruct

Model Sources

Uses

Direct Use

BOTS-LM models and data are intended for commercial and research use in Setswana and English. All Pula models are trained on predominantly instruction data, and as such are primarily meant for assistant-like chat. However, they may still function for general langauge generation, although this is predominantly untested. The BOTS-LM suite also allows for the use of its outputs to improve other models, including synthetic data generation and distillation.

Downstream Use

BOTS-LM's Pula LLMs are trained on a wide variety of tasks including (but not limited to) general conversations, Setswana <--> English translation, writing, question answering, tool use/function calling, Named Entity Recognition (NER), and Part of Speech (POS) tagging.

Out-of-Scope Use

The use of any model, data, or resource in the BOTS-LM suite that violates applicable laws or regulations, is intended to cause direct or indirect harm, or is otherwise generally considered immoral or unethical, is explicitly prohibited.

While every model in the BOTS-LM suite has been trained on a small amount of data covering several langauges, use of these models is only officially supported for Setswana and English.

Bias, Risks, and Limitations

As with any language model, BOTS-LM models are susceptible to generating inaccurate or biased responses to user prompts. It is recommended the user(s) of BOTS-LM models develop additional safety safeguards or perform additional safety training prior to deployment in customer- or client-facing environments.

How to Get Started with the Model

Use the code below to get started with the model.

import transformers
import torch

model_id = "OxxoCodes/Pula-8B"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

messages = [
    {"role": "system", "content": "O mothusi wa AI yo o thusang."},
    {"role": "user", "content": "Dumela!"},
]

outputs = pipeline(
    messages,
    max_new_tokens=256,
)
print(outputs[0]["generated_text"][-1])

Training Details

Training Data

Pula-8B was fine-tuned on a corpus of 0.5 billion tokens of Setswana and English text for 3 epochs, totaling of 1.5 Billion tokens, as measured using the Llama 3.1 tokenizer.

To increase the occurances of high-quality instruction data, all non-OPUS data sources appear twice per epoch, while certain synthetic datasets appear five times per epoch.

We ensure 80% of training tokens are made up of SetsText, SetsText-Instruct, and Hugging Face's Everyday Conversations dataset. The other 20% consists of various high-quality and multilingual data sources.

Following these procedures, the final training data distribution is as follows:

  • SetsText-Instruct: 66.43% (336M tokens)

  • SetsText: 13.5% (68M tokens)

  • MagPie Pro MT: 10% (50M tokens)

  • OpenHermes 2.5: 7% (35M tokens)

  • Aya Dataset: 2% (10M tokens)

  • Inkuba Instruct: 1% (5M tokens)

  • Everyday Conversations: 0.07% (0.3M tokens)

Preprocessing

All Pula models in the BOTS-LM series are trained on sequences up to 4096 tokens. For all sequences longer than 4096 tokens, such as large documents or long multi-turn instruction conversations, they are split into chunks of 4096 tokens. In addition, we utilize the Liger Kernel to reduce GPU memory requirements.

Training Hyperparameters

  • Training regime: BF16 mixed precision
  • Epochs: 3.0
  • Learning Rate: 2e-5
  • Learning Rate Scheduler: Cosine
  • Warmup Ratio: 5%
  • LoRA Rank: 64
  • LoRA Alpha: 32
  • Per Device Train Batch Size: 1
  • Gradient Accumulation Steps: 8
  • GPUs: 4x Nvidia H100s 80GB
  • Sequence Length: 4096
  • Effective Batch Size: 32 (131k tokens)

Technical Specifications

Compute Infrastructure

Compute is provided by the Clemson University Palmetto Cluster.

Hardware

Pula-8B is trained using a single node of four NVIDIA H100 80GBs with sixteen CPUs and 64GB RAM.

Software

Training is performed using Hugging Face transformers, accelerate, peft, and trl with DeepSpeed and ZeRO-3.

Citation

BibTeX:

@misc{2408.02239,
  Author = {Nathan Brown and Vukosi Marivate},
  Title = {BOTS-LM: Training Large Language Models for Setswana},
  Year = {2024},
  Eprint = {arXiv:2408.02239},
  Note = {Hugging Face repository: \url{https://huggingface.co/collections/OxxoCodes/bots-lm-66af1106ccc0fb38839f39da}}
}

APA:

Brown, N., & Marivate, V. (2024). BOTS-LM: Training Large Language Models for Setswana. arXiv. [2408.02239] BOTS-LM: Training Large Language Models for Setswana. Hugging Face repository: https://huggingface.co/collections/OxxoCodes/bots-lm-66af1106ccc0fb38839f39da

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
7420c66

0 моделей