/ Модель

Характеристики

Контекст
131 072 токена
Параметры
14 млрд
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-14B
Библиотека
transformers
Опубликована
20 окт 2024

LLaMutation-Qwen2.5-14B

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на базе Qwen2.5-14B для перевода и автодополнения кода.

21скачиваний за 30 дней5лайковвеса обновлены21 окт 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

LLaMutation-Qwen2.5-14B-SFFT-v0.0 — экспериментальная модель генерации текста для перевода и автодополнения кода, созданная разработчиком RESMP-DEV на базе Qwen/Qwen2.5-14B. Модель имеет плотную архитектуру Qwen2 и около 14 млрд параметров; в метаданных указан контекст до 131 072 токенов. Она предназначена для преобразования кода между языками программирования и работы как табулятор кода, например в Continue.dev. Для общения используется шаблон ChatML.

Модель описана автором как альфа-версия: возможны особенности и нестабильность при настройке генерации. README рекомендует задавать системную инструкцию для перевода кода и минимизировать обычный текст в ответах. Лицензия — Apache-2.0.

Сценарии применения

  • перевод фрагментов кода между языками программирования
  • автодополнение кода в редакторе через Continue.dev
  • генерация кода в форматированных блоках

Ограничения

Автор обозначает модель как альфа-версию и предупреждает о возможных особенностях использования и настройки генерации. Качество зависит от системной инструкции и параметров сэмплирования.

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

LLaMutation-Qwen2.5-14B-SFFT-v0.0

image/webp

This model is a Spectrum FFT of Qwen/Qwen2.5-14B on a code translation dataset evolved with EvolKit.

Model description

Code translation and completion model trained on Qwen2.5-14B as there is not yet a Qwen2.5-Coder-14B model. This is 100% an alpha completion model thus there will be quirks to it's useage parameters.

I will refine the model both for completion and create an instruct/chat variant.

Intended uses & limitations

Differing system prompts for code translation and use as a tab autocomplete model with continue.dev

Chat template and sampling paramaters.

Chat template is chatml.

Sampling parameters for the generation and demo at the hackathon are here:

image/png

SYSTEM PROMPT MUST BE USED FOR THIS MODEL

You are an Al assistant that is an expert at converting code from any language to another within properly formatted code blocks. DON'T SAY ANYTHING ABOUT NOT SEEING CODE. Keep non code text to the a minimum possible. DO NOT REPEAT ANY NON CODE TEXT. ONLY PRINT OUT CODE ONCE DO NOT ITTERATE!

Training procedure

Spectrum FFT/SFFT

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0005
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • total_eval_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.39480.023710.3920
0.23920.4970210.2500
0.26060.9941420.2621

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.3.1+cu121
  • Datasets 3.0.1
  • Tokenizers 0.20.1

axolotl version: 0.4.1

base_model: Qwen/Qwen2.5-14B

load_in_8bit: false
load_in_4bit: false
strict: false

plugins:
  - axolotl.integrations.liger.LigerPlugin
liger_rope: true
liger_rms_norm: true
liger_swiglu: true
liger_fused_linear_cross_entropy: true

plugins:
  - axolotl.integrations.spectrum.SpectrumPlugin

spectrum_top_fraction: 0.5
# Optional if using a pre-scanned model as your base_model. Useful if using a model mirror
spectrum_model_name: Qwen/Qwen2.5-14B

datasets:
  - path: datasets/LLaMutation.jsonl
    type: sharegpt
  - path: datasets/LLaMutationMAX_Train.json
    type: sharegpt

chat_template: chatml
shuffle_merged_datasets: true
val_set_size: 0.1
output_dir: ./LLaMutation-Qwen2.5-14B-SFFT-v0.0

sequence_len: 8192
sample_packing: true
eval_sample_packing: true
pad_to_sequence_len: true

# adapter: qlora
# lora_model_dir:
# lora_r: 32
# lora_alpha: 16
# lora_dropout: 0.05
# lora_target_linear: true
# peft_use_dora: true

wandb_project: LLaMutation-Qwen2.5-14B-SFFT-v0.0
wandb_entity:
wandb_watch:
wandb_name: Unit-00
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 1
num_epochs: 1
optimizer: adamw_torch
lr_scheduler: linear
learning_rate: 0.0005
max_grad_norm: 3

train_on_inputs: false
group_by_length: false
bf16: auto
fp16:
tf32: true

gradient_checkpointing: true
gradient_checkpointing_kwargs:
  use_reentrant: true
early_stopping_patience:
resume_from_checkpoint: 
local_rank:
logging_steps: 1
xformers_attention:
flash_attention: true

warmup_steps: 50
evals_per_epoch: 2
saves_per_epoch: 2
save_safetensors: true
hub_model_id: 
hub_strategy: 
debug:
deepspeed: deepspeed_configs/zero3_bf16.json
weight_decay: 0.1
# fsdp:
#   - full_shard
#   - auto_wrap
# fsdp_config:
#   fsdp_limit_all_gathers: true
#   fsdp_sync_module_states: true
#   fsdp_offload_params: false  # Changed from true
#   fsdp_use_orig_params: true  # Changed from false
#   fsdp_cpu_ram_efficient_loading: true
#   fsdp_auto_wrap_policy: TRANSFORMER_BASED_WRAP
#   fsdp_transformer_layer_cls_to_wrap: Qwen2DecoderLayer
#   fsdp_activation_checkpointing: true
#   fsdp_state_dict_type: SHARDED_STATE_DICT  # Changed from FULL_STATE_DICT
#   fsdp_sharding_strategy: FULL_SHARD
#   fsdp_forward_prefetch: true  # Added
#   fsdp_backward_prefetch: "BACKWARD_POST"  # Added
#   fsdp_backward_prefetch_limit: 1  # Added
#   fsdp_mixed_precision: BF16  # Added

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
a29cf36

0 моделей