/ Модель

Характеристики

Контекст
32 764 токена
Параметры
68,7 млрд
Размер весов
138 ГБ
Лицензия
CC0 1.0
Архитектура
llama · dense
Базовая модель
miqu-1-70b-sf
Библиотека
peft
Опубликована
6 фев 2024

Senku-70B-Full

Генерация текстаТекст → текст

Диалоговая модель Llama с 68,7 млрд параметров, дообученная на SlimOrca для генерации текста и ответов в формате ChatML.

0скачиваний за 30 дней139лайковвеса обновлены4 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Senku-70B-Full — диалоговая языковая модель на базе архитектуры Llama, разработанная ShinojiResearch. Это дообучение модели 152334H/miqu-1-70b-sf на наборе данных Open-Orca/SlimOrca с последующим слиянием с утёкшей моделью Mistral-70B; в репозитории опубликованы веса safetensors, а адаптер доступен отдельно. Модель содержит 68,7 млрд параметров и поддерживает контекст длиной до 32 764 токенов.

Модель предназначена для генерации текста и диалогов; автор рекомендует использовать шаблон ChatML. В карточке приведены результаты оценок EQ-Bench, GSM8k и тестов Open LLM Leaderboard, однако оценки зависят от шаблона запроса и могут различаться: автор отмечает снижение результата GSM8k при использовании ChatML. Лицензия — CC0-1.0.

Сценарии применения

  • ведение диалога с чат-ботом
  • генерация ответов на вопросы
  • создание связного текста по инструкциям
  • решение задач на рассуждение и общие знания

Ограничения

В README рекомендуется шаблон ChatML; результаты зависят от формата промпта, а автор сообщает о снижении оценки GSM8k при его использовании. Приведённые бенчмарки не гарантируют качество на прикладных задачах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ShinojiResearch/Senku-70B-Full

UPDATE: 85.09 EQ-Bench with ChatML teamplate

  • EQ-Bench: (Mistral) 84.89 -> 85.09 (ChatML)
  • GSM8k: (Mistral) 77.18 -> 71.04 (ChatML)
  • Hellaswag: (Mistral) 87.67 -> ??

Finetune of miqu-70b-sf dequant of miqudev's leak of Mistral-70B (allegedly an early mistral medium). My diffs are available under CC-0 (That is the Senku-70B repo, full includes the merge), this is a merge with the leaked model, you can use the other repository to save bandwidth.

Update: Upon further testing a score of 85.09 was achieved using ChatML instead of Mistral's prompt.

Prompt Template

I recommend using the ChatML format instead, I will run more benchmarks. This also fixes the bug with Miqu dequant failing to provide a stop.

<|im_start|>system 
Provide some context and/or instructions to the model.
<|im_end|> 
<|im_start|>user 
The user’s message goes here
<|im_end|> 
<|im_start|>assistant <|im_end|>

Kudos

Credit to https://twitter.com/hu_yifei for providing GSM & Hellaswag. It is the first open weight model to dethrone GPT-4 on EQ bench.

Base Model Details

This model is a fine-tuned version of 152334H/miqu-1-70b-sf on the Slimorca dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3110

Training procedure

axolotl version: 0.4.0

base_model: 152334H/miqu-1-70b-sf
model_type: MistralForCausalLM
tokenizer_type: LlamaTokenizer
is_mistral_derived_model: true

load_in_8bit: false
load_in_4bit: true
strict: false

datasets:
  - path: Open-Orca/SlimOrca
    type: sharegpt
    conversation: chatml
dataset_prepared_path: last_run_prepared
val_set_size: 0.1
output_dir: ./qlora-out

adapter: qlora
lora_model_dir:

sequence_len: 8192
sample_packing: true
pad_to_sequence_len: true

lora_r: 32
lora_alpha: 16
lora_dropout: 0.05
lora_target_linear: true
lora_fan_in_fan_out:
lora_target_modules:
  - gate_proj
  - down_proj
  - up_proj
  - q_proj
  - v_proj
  - k_proj
  - o_proj

wandb_project:
wandb_entity:
wandb_watch:
wandb_name:
wandb_log_model:

gradient_accumulation_steps: 4
micro_batch_size: 2
num_epochs: 1
optimizer: adamw_bnb_8bit
lr_scheduler: cosine
learning_rate: 0.0002

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

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

loss_watchdog_threshold: 5.0
loss_watchdog_patience: 3

warmup_steps: 10
evals_per_epoch: 4
eval_table_size:
eval_table_max_new_tokens: 128
saves_per_epoch: 1
debug:
deepspeed:
weight_decay: 0.0
fsdp:
fsdp_config:
special_tokens:
  bos_token: "<s>"
  eos_token: "</s>"
  unk_token: "<unk>"

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
0.90430.010.6387
0.56120.258810.3279
0.60440.517620.3177
0.65920.7526430.3110

Framework versions

  • PEFT 0.8.2
  • Transformers 4.38.0.dev0
  • Pytorch 2.1.2+cu118
  • Datasets 2.16.1
  • Tokenizers 0.15.0

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.75.44
AI2 Reasoning Challenge (25-Shot)71.50
HellaSwag (10-Shot)87.88
MMLU (5-Shot)75.20
TruthfulQA (0-shot)61.96
Winogrande (5-shot)84.77
GSM8k (5-shot)71.34

Как запустить

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

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
1006696

0 моделей