Характеристики

Контекст: 32 768 токенов
Параметры: 7,2 млрд
Размер весов: 15 ГБ
Лицензия: Apache 2.0
Архитектура: mistral · dense
Базовая модель: Breeze-7B-Instruct-v1_0
Опубликована: 1 сен 2024

Ссылки

Breeze-7B-PTT-Chat-v1

Генерация текстаТекст → текст3 профессии

Чат-модель на базе Breeze-7B, дообученная на сообщениях PTT для генерации ответов в диалогах на темы, характерные для форума.

26скачиваний за 30 дней0лайковвеса обновлены4 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Riyuechang/Breeze-7B-PTT-Chat-v1 — чат-модель на архитектуре Mistral, дообученная Riyuechang на базе MediaTek-Research/Breeze-7B-Instruct-v1_0 с помощью LoRA. Для обучения использовались отфильтрованные данные из раздела Gossiping форума PTT; поэтому модель предназначена прежде всего для диалогов и ответов в контексте разговоров и тем, характерных для этого корпуса. Модель содержит 7,2 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов.

Базовая Breeze рассчитана на традиционный китайский и английский языки; обучение на PTT делает релевантным традиционный китайский, но README не уточняет отдельные языковые показатели этой версии. Репозиторий содержит веса safetensors и опубликован по лицензии Apache-2.0.

Сценарии применения

генерация ответов в диалогах на традиционном китайском
создание чат-бота по темам обсуждений форума PTT
продолжение разговорного текста в стиле корпуса PTT

Ограничения

Дообучение опирается на корпус раздела Gossiping PTT, поэтому стиль и тематика ответов могут отражать особенности этого источника. README не приводит оценок качества на независимых тестах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

簡介

本模型是基於MediaTek-Research/Breeze-7B-Instruct-v1_0微調後的產物
模型使用來自PTT網站中的Gossiping分類的資料訓練
過程中使用了一些方法從海量的數據中，過濾出噪聲較小(理論上)的部份作為訓練數據
訓練資料: Riyuechang/PTT-Corpus-100K_Gossiping-1400-39400

設備

Ubuntu 22.04.4 LTS
NVIDIA GeForce RTX 3060 12G

Lora參數

r=8,
lora_alpha=32,
lora_dropout=0.1,
task_type="CAUSAL_LM",
target_modules="all-linear",
bias="none",
use_dora=True,
use_rslora=True

訓練參數

per_device_train_batch_size=28,  
gradient_accumulation_steps=1,  
num_train_epochs=3,  
warmup_ratio=0.1,  
learning_rate=2e-5,  
bf16=True,  
save_strategy="steps",  
save_steps=500,  
save_total_limit=10,  
logging_steps=10,  
output_dir=log_output,  
optim="paged_adamw_8bit",  
gradient_checkpointing=True

結果

loss: 1.1035

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: MistralForCausalLM
Ревизия весов: 2924a52