/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,5 млрд
Размер весов
28,6 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2_moe · MoE
Опубликована
29 фев 2024

Qwen1.5-MoE-A2.7B

Генерация текстаТекст → текст4 профессии

Предварительно обученная MoE-модель Qwen для генерации текста и дальнейшего постобучения в диалоговых сценариях.

158 тыс.скачиваний за 30 дней231лайквеса обновлены18 апр 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

    0,2592

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4114

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0929

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4013

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,266

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2778

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen1.5-MoE-A2.7B — предварительно обученная авторегрессионная языковая модель на архитектуре Transformer с разреженной смесью экспертов (MoE), разработанная командой Qwen. Модель получена преобразованием плотной Qwen-1.8B в MoE-архитектуру; в README указаны 14,3 млрд параметров всего и 2,7 млрд активируемых параметров при работе. Метаданные каталога указывают 1,5 млрд параметров, поэтому оценка общего размера расходится между источниками.

Модель предназначена для генерации текста и может служить базой для диалоговых систем и дальнейшего обучения, включая SFT, RLHF и продолжение предобучения. Контекст составляет 8192 токена; карточка указывает поддержку английского языка. README сообщает о сопоставимом качестве с Qwen1.5-7B при меньших затратах на обучение и об ускорении инференса в 1,74 раза относительно Qwen1.5-7B.

Автор не рекомендует использовать базовую модель для непосредственной генерации текста и советует проводить постобучение. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять отдельно.

Сценарии применения

  • генерация продолжения английского текста
  • создание диалогового ассистента после постобучения
  • дообучение языковой модели с помощью SFT или RLHF

Ограничения

README не рекомендует использовать базовую модель для прямой генерации текста и советует сначала выполнить постобучение. В описании README приведены 14,3 млрд общих параметров, тогда как метаданные каталога указывают 1,5 млрд.

Для каких профессий подходит4

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

Qwen1.5-MoE-A2.7B

Introduction

Qwen1.5-MoE is a transformer-based MoE decoder-only language model pretrained on a large amount of data.

For more details, please refer to our blog post and GitHub repo.

Model Details

Qwen1.5-MoE employs Mixture of Experts (MoE) architecture, where the models are upcycled from dense language models. For instance, Qwen1.5-MoE-A2.7B is upcycled from Qwen-1.8B. It has 14.3B parameters in total and 2.7B activated parameters during runtime, while achieving comparable performance to Qwen1.5-7B, it only requires 25% of the training resources. We also observed that the inference speed is 1.74 times that of Qwen1.5-7B.

Requirements

The code of Qwen1.5-MoE has been in the latest Hugging face transformers and we advise you to build from source with command pip install git+https://github.com/huggingface/transformers, or you might encounter the following error:

KeyError: 'qwen2_moe'.

Usage

We do not advise you to use base language models for text generation. Instead, you can apply post-training, e.g., SFT, RLHF, continued pretraining, etc., on this model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2MoeForCausalLM
Ревизия весов
1a758c5

0 моделей