/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Библиотека
transformers
Опубликована
2 дек 2024

Qwen2.5-0.5B-Instruct-ITA

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель Qwen2.5 для диалогов, выполнения инструкций и генерации текста, с акцентом на итальянский язык.

1 515скачиваний за 30 дней3лайкавеса обновлены16 дек 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

Qwen2.5-0.5B-Instruct-ITA — компактная плотная языковая модель на архитектуре Qwen2, разработанная ReDiX путём дообучения Qwen/Qwen2.5-0.5B-Instruct на наборах ReDiX/DataForge и повседневных диалогах на итальянском языке. Модель содержит 494 млн параметров, работает через Transformers и поддерживает контекст до 32 768 токенов.

Модель предназначена для генерации текста и диалогов, выполнения инструкций и ответов на итальянском языке. В метаданных также указаны английский язык и интерфейс вызова инструментов. В README приведены результаты оценки на итальянских наборах ARC и HellaSwag, но нет подробного описания сценариев использования или гарантий качества. Лицензия — Apache-2.0.

Сценарии применения

  • ведение диалога на итальянском языке
  • генерация ответов на инструкции на итальянском языке
  • создание текстовых ответов на английском языке
  • оценка и решение вопросов на итальянском языке

Ограничения

README отмечает улучшение итальянской оценки, но приведённые метрики ограничены ARC и HellaSwag и не характеризуют все сценарии. Подробные ограничения и рекомендации по применению в карточке не описаны.

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

Qwen2.5-0.5B-Instruct-ITA

This model is a fine-tuned version of Qwen/Qwen2.5-0.5B-Instruct on the ReDiX/DataForge dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4100

Model description

This model is an example of finetuning a sLLM. Italian eval improved and the model learned as espected from the training data

Intended uses & limitations

More information needed

Training and evaluation data

TasksVersionFiltern-shotMetricValueStderr
arc_it2none0acc↑0.2378±0.0125
none0acc_norm↑0.2823±0.0132
hellaswag_it1none0acc↑0.3163±0.0049
none0acc_norm↑0.3800±0.0051
m_mmlu_it0none5acc↑0.381±0.0042

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Use adamw_bnb_8bit with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 2

axolotl version: 0.5.0

base_model: Qwen/Qwen2.5-0.5B-Instruct

load_in_8bit: false
load_in_4bit: false
strict: false

datasets:
  - path: ./dataforge
    type: chat_template

    field_messages: conversations
    message_field_role: from
    message_field_content: value

# chat_template: chatml
dataset_prepared_path: last_run_prepared
val_set_size: 0.1
output_dir: ./outputs/qwen05B

unfrozen_parameters:
- ^lm_head.weight$
- ^model.embed_tokens.weight$
# mlp.down_proj layers
- model.layers.0.mlp.down_proj
- model.layers.23.mlp.down_proj
- model.layers.1.mlp.down_proj
- model.layers.16.mlp.down_proj
- model.layers.4.mlp.down_proj
- model.layers.17.mlp.down_proj
# mlp.gate_proj layers
- model.layers.0.mlp.gate_proj
- model.layers.1.mlp.gate_proj
- model.layers.2.mlp.gate_proj
- model.layers.3.mlp.gate_proj
- model.layers.4.mlp.gate_proj
- model.layers.7.mlp.gate_proj
# mlp.up_proj layers
- model.layers.1.mlp.up_proj
- model.layers.0.mlp.up_proj
- model.layers.3.mlp.up_proj
- model.layers.4.mlp.up_proj
- model.layers.7.mlp.up_proj
- model.layers.9.mlp.up_proj
# self_attn.k_proj layers
- model.layers.18.self_attn.k_proj
- model.layers.7.self_attn.k_proj
- model.layers.19.self_attn.k_proj
- model.layers.2.self_attn.k_proj
- model.layers.6.self_attn.k_proj
- model.layers.9.self_attn.k_proj
# self_attn.o_proj layers
- model.layers.16.self_attn.o_proj
- model.layers.19.self_attn.o_proj
- model.layers.0.self_attn.o_proj
- model.layers.20.self_attn.o_proj
- model.layers.4.self_attn.o_proj
- model.layers.3.self_attn.o_proj
# self_attn.q_proj layers
- model.layers.13.self_attn.q_proj
- model.layers.16.self_attn.q_proj
- model.layers.21.self_attn.q_proj
- model.layers.11.self_attn.q_proj
- model.layers.15.self_attn.q_proj
- model.layers.6.self_attn.q_proj
# self_attn.v_proj layers
- model.layers.2.self_attn.v_proj
- model.layers.3.self_attn.v_proj
- model.layers.4.self_attn.v_proj
- model.layers.5.self_attn.v_proj
- model.layers.7.self_attn.v_proj
- model.layers.8.self_attn.v_proj



sequence_len: 4096
sample_packing: true
eval_sample_packing: true
pad_to_sequence_len: true


wandb_project: axolotl
wandb_entity:
wandb_watch:
wandb_name: qwen2.5-0.5B
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 4
num_epochs: 2
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 1.0e-04

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

gradient_checkpointing: true
early_stopping_patience:
resume_from_checkpoint:
local_rank:
logging_steps: 5
xformers_attention:
flash_attention: true


warmup_steps: 10
evals_per_epoch: 4
eval_table_size:
eval_max_new_tokens: 128
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:
  pad_token: "<|im_end|>"
  eos_token: "<|im_end|>"


Training results

Training LossEpochStepValidation Loss
No log0.001311.7855
1.25670.25041941.5639
1.25510.50083881.4980
1.18450.75125821.4501
1.31781.00197761.4252
1.061.25239701.4187
1.06971.502711641.4116
1.03621.753113581.4100

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
7da45e4

0 моделей