/ Модель

Характеристики

Контекст
8 192 токена
Параметры
8,9 млрд
Размер весов
18 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
openchat-3.5-0106
Библиотека
transformers
Опубликована
26 июл 2024

OpenChat-3.5-0106_8.99B_40Layers-Appended

Генерация текстаТекст → текст8 профессий

Экспериментально расширенная версия OpenChat-3.5-0106 для диалогов и генерации текста с добавленными слоями Mistral.

35скачиваний за 30 дней2лайкавеса обновлены29 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

    0,307

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5961

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0793

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4254

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,462

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,329

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Pretergeek создал экспериментальную модификацию диалоговой модели OpenChat-3.5-0106 на архитектуре Mistral. Веса расширены до 8,9 млрд параметров добавлением новых слоёв в конец модели методом passthrough, основанным на расширении блоков. По словам автора, после добавления слоёв модель не дообучалась и должна работать близко к исходной модели.

Модель предназначена для диалогов и генерации текста, в том числе ответов на общие вопросы, программирования и математических рассуждений — задач, поддерживаемых базовой моделью OpenChat. Контекст составляет 8192 токена. Репозиторий содержит веса в формате Safetensors, модель использует библиотеку Transformers и распространяется по лицензии Apache-2.0.

Это экспериментальная архитектурная модификация, а не подтверждённое улучшение исходной модели: автор предполагает, что дообучение добавленных слоёв может усилить рассуждения, но в опубликованной версии оно не проводилось. Оценки в README относятся к указанным бенчмаркам и сами по себе не подтверждают преимущество над базовой моделью.

Сценарии применения

  • ответы на общие вопросы в диалоге
  • генерация диалоговых ответов
  • помощь с программированием
  • математические рассуждения
  • изучение влияния добавленных слоёв на диалоговую модель

Ограничения

Добавленные слои не дообучались, поэтому заявленное улучшение рассуждений остаётся гипотезой; модель ожидаемо работает близко к исходной. README приводит результаты отдельных бенчмарков, но не сравнительную оценку с базовой моделью.

Для каких профессий подходит8

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

OpenChat-3.5-0106_8.99B_40Layers-Appended

This is NOT your usual frankenmerge created using mergekit.

Merge Details

Merge Method

This model was merged using the passthrough merge method, but employing a variation of the Block Expansion method described in the paper LLaMA Pro: Progressive LLaMA with Block Expansion.

The authors of the paper added new layers interleaved in between the original layers of the model, setting the parameters of the o_proj and down_proj layers to zero. This effectively adds layers that will just output their input (as if they were "transparent") allowing the model to remain functional even without further training. These new layers can then be targeted during training or fine-tuning without risking catastrophic forgetting, if you follow the author's training method to freeze the original layers and only train the new layers.

I used the same method but added the new layers to the end of the model. My rationale is that the level of abstraction increases with each layer of the model. So, while new layers spread along the original layers will help the model to learn new tasks, adding layers to the end of the model and then re-training/fine-tuning the model on tasks it already performs well could improve the models understanding of those task and perform them better by employing more complex reasoning.

This model has not yet received additional training, so it should perform close to the original model.

Models Merged

The following models were included in the merge:

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [0, 32]
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
  - sources:
    - model: openchat/openchat-3.5-0106
      layer_range: [31, 32]
      parameters:
        scale:
          - filter: o_proj
            value: 0.0
          - filter: down_proj
            value: 0.0
          - value: 1.0
merge_method: passthrough
dtype: bfloat16

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.22.55
IFEval (0-Shot)59.61
BBH (3-Shot)24.06
MATH Lvl 5 (4-Shot)6.80
GPQA (0-shot)7.61
MuSR (0-shot)11.78
MMLU-PRO (5-shot)25.44

Citation

@misc{wu2024llamaproprogressivellama,
      title={LLaMA Pro: Progressive LLaMA with Block Expansion}, 
      author={Chengyue Wu and Yukang Gan and Yixiao Ge and Zeyu Lu and Jiahao Wang and Ye Feng and Ying Shan and Ping Luo},
      year={2024},
      eprint={2401.02415},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2401.02415}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
1e81f18

0 моделей