/ Модель

Характеристики

Контекст
8 192 токена
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-360M
Библиотека
transformers
Опубликована
2 дек 2024

SmolLM2-360M-Instruct-ita

Генерация текстаТекст → текст3 профессии

Компактная дообученная модель для простого чат-общения и генерации текста на итальянском и английском языках.

257скачиваний за 30 дней0лайковвеса обновлены2 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

ReDiX/SmolLM2-360M-Instruct-ita — компактная языковая модель, дообученная ReDiX на базе HuggingFaceTB/SmolLM2-360M. Это эксперимент, предназначенный для проверки набора данных ReDiX/everyday-conversations-ita. Модель поддерживает простой чат на итальянском и английском языках и генерирует текст; число параметров — 361,8 млн, контекст — до 8192 токенов. Использованы итальянские открытые наборы данных, smol-smoltalk, ReDiX/everyday-conversations-ita и ReDiX/DataForge.

Модель подходит для базового диалога и генерации ответов на итальянском и английском. В карточке приведены результаты оценки на итальянских наборах m_mmlu_it, arc_it и hellaswag_it, однако автор характеризует модель как простую и базовую. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • базовый чат на итальянском языке
  • ответы на простые вопросы на итальянском
  • диалог на английском языке
  • генерация коротких текстовых ответов
  • эксперименты с итальянскими разговорными данными

Ограничения

Автор описывает модель как экспериментальную и предназначенную для простого базового чата; её возможности и качество ограничены. В карточке приведены оценки на итальянских тестах, но широкие сценарии применения не заявлены.

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

axolotl version: 0.5.0

base_model: HuggingFaceTB/SmolLM2-360M

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
  
  - path: HuggingFaceTB/smol-smoltalk
    type: chat_template

    field_messages: messages
    message_field_role: role
    message_field_content: content

chat_template: chatml
dataset_prepared_path: last_run_prepared
val_set_size: 0.1
output_dir: ./outputs/smollm360m

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

wandb_project: axolotl
wandb_entity:
wandb_watch:
wandb_name: smollm2
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-03

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|>"

SmolLM2 360M Instruct ITA

This model is a fine-tuned version of HuggingFaceTB/SmolLM2-360M on the smol-smoltalk dataset and on the ReDiX/DataForge. Our datasets is a mixture of open source italian datasets and ReDiX/everyday-conversations-ita It achieves the following results on the evaluation set:

  • Loss: 0.8925

Model description

This model is an experiment to test out the ReDiX/everyday-conversations-ita dataset.

Intended uses & limitations

Simple and very basic chat in italian and english

Training and evaluation data

Modelm_mmlu_itarc_ithellaswag_it
Qwen2.5-0.5-Instruct37.0527.5435.73
ReDiX/SmolLM2-360M-Instruct-ita24.9428.4035.96

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.001
  • 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

Training results

Training LossEpochStepValidation Loss
No log0.000311.3366
1.05950.25017741.0840
1.01940.500215481.0139
1.00750.750423220.9701
1.02861.000530960.9269
0.78711.250638700.9111
0.74811.500746440.8960
0.74291.750854180.8925

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
LlamaForCausalLM
Ревизия весов
617a948

0 моделей